تهدف الإجابة على الأسئلة طويلة الشكل (LFQA) إلى إنتاج إجابة بطول فقرة واحدة استجابة لسؤال معين. وعلى الرغم من أن الأبحاث الحالية المتعلقة بـ LFQA باستخدام النماذج الكبيرة المُدرَّبة مسبقًا لغرض التوليد تُظهر فعالية في إنتاج محتوى سلس وذو صلة إلى حد ما، إلا أن التحدي الرئيسي يكمن في كيفية إنتاج إجابة دقيقة تقل فيها محتويات التخيل (Hallucinated Content). نقترح إطارًا جديدًا من النوع النهاية-إلى-النهاية، يُجَمِّع بين توليد الإجابة وقراءة الآلة. وتتمثل الفكرة الأساسية في تعزيز نموذج التوليد بمعلومات دقيقة ومرتبطة بالإجابة، يمكن اعتبارها تركيزًا على الحقائق الموثوقة. وتفيد النتائج المتطورة على مجموعتي بيانات LFQA، وهما ELI5 وMS MARCO، بفعالية طريقة我们的، مقارنةً بالأساليب القوية الأخرى من حيث مقاييس التقييم التلقائي والتقييم البشري. كما يُثبت التحليل التفصيلي كفاءة طريقة لدينا في إنتاج إجابات سلسة وذات صلة وذات مصداقية أعلى.