一、机器阅读理解任务
1.1 概念理解
机器阅读理解（Machine Reading Comprehension, MRC）就是给定一篇文章，以及基于文章的一个问题，让机器在阅读文章后对问题进行作答。
在机器阅读理解领域，模型的核心能力体现在对给定文档集合P的理解以及对相关问题Q的准确应答，从而输出答案A。MRC任务可根据问题的形式和答案的生成方式，分为以下几种类型：
- 完形填空（Cloze-Style）：在这种任务中，文章中的某些单词被隐去，模型需基于上下文信息推断出最可能的单词填充空白。这种方法考验模型对语境的理解以及对词汇的准确预测能力。
- 多项选择（Multiple-Choice）：此任务为模型提供一篇文章和一个问题，模型需从多个备选答案中选择一个最符合问题要求的答案。这种类型的任务评估模型区分不同选项并做出最佳选择的能力。
- 片段抽取（Span-Extraction）：在此任务中，模型需从给定文章中抽取一个连续的单词序列作为问题的答案。这种方法强调模型对文章细节的理解和定位关键信息的能力。
- 自由作答（Free-Answering）：与片段抽取不同，自由作答任务要求模型生成一个单词序列作为答案，而不局限于文章中的现有句子。这种方法不仅考察模型的文本理解能力，还考察其生成连贯、准确答案的能力。
本次内容主要针对片段抽取（Span-Extraction）任务进行实战。
例子：
文档P:
“昨天，NASA宣布了一个关于火星上潜在生命迹象的重大