基于ModernBERT微调的问答模型，在SQuAD数据集上表现优异，适用于抽取式问答任务。

基于BART-base架构，在SQuAD数据集上进行微调的问答模型，适用于阅读理解任务。

基于MobileBERT模型在SQuADv1问答数据集上微调的版本，针对问答任务优化

该模型是基于DeBERTa-base在SQuAD1数据集上微调后，又在adversarial_qa数据集上进一步微调的问答模型。

该模型是基于bert-base-uncased在SQuAD数据集上微调的问答模型

该模型是基于distilroberta-base训练的交叉编码器，用于判断给定段落是否能回答特定问题，在GLUE QNLI数据集上训练。

这是一个基于ELECTRA架构的交叉编码器模型，专门用于问答任务中的自然语言推理（NLI），判断给定问题是否能由特定段落回答。

基于ELECTRA-Large架构的两阶段训练问答模型，先在合成对抗数据上训练，再在SQuAD和AdversarialQA数据集上微调

该模型通过nn_pruning库修剪，保留了32%原始权重，运行速度是原版的2.15倍，F1值83.22

基于电影语料库进行领域自适应预训练的RoBERTa基础模型，通过调整模型头部结构以执行SQuAD问答任务，能够针对电影领域的问题进行回答。

MobileBERT是BERT_LARGE的轻量化版本，采用瓶颈结构设计，在自注意力机制与前馈网络之间实现平衡。