该模型是基于BERT基础无大小写版本在SQuAD v2数据集上训练的，训练命令如下：

export SQUAD_DIR=../../squad2
python3 run_squad.py 
    --model_type bert 
    --model_name_or_path bert-base-uncased 
    --do_train 
    --do_eval 
    --overwrite_cache 
    --do_lower_case 
    --version_2_with_negative 
    --save_steps 100000 
    --train_file $SQUAD_DIR/train-v2.0.json 
    --predict_file $SQUAD_DIR/dev-v2.0.json 
    --per_gpu_train_batch_size 8 
    --num_train_epochs 3 
    --learning_rate 3e-5 
    --max_seq_length 384 
    --doc_stride 128 
    --output_dir ./tmp/bert_fine_tuned/

在开发集子集上的性能接近原论文结果：

结果： 
{
    '精确匹配率': 72.35932872655479, 
    'F1分数': 75.75355132564763, 
    '总样本数': 6078, 
    '有答案_精确匹配率': 74.29553264604812, 
    '有答案_F1分数': 81.38490892002987, 
    '有答案_总样本数': 2910, 
    '无答案_精确匹配率': 70.58080808080808, 
    '无答案_F1分数': 70.58080808080808, 
    '无答案_总样本数': 3168, 
    '最佳精确匹配率': 72.35932872655479, 
    '最佳精确匹配阈值': 0.0, 
    '最佳F1分数': 75.75355132564766, 
    '最佳F1阈值': 0.0
}

希望这能为您节省时间、精力和计算资源。祝好！