الإجابة المفتوحة ذات المجال الواسع المدعومة عن بعد (DS-QA) تهدف إلى العثور على إجابات في مجموعات من النصوص غير المُعلَّمة. غالبًا ما تستخلص النماذج الحالية في DS-QA فقرات ذات صلة من مجموعة بيانات ضخمة، ثم تطبق تقنيات فهم القراءة لاستخراج الإجابات من الفقرة الأكثر صلة. ومع ذلك، تتجاهل هذه النماذج المعلومات الغنية المحتوية في الفقرات الأخرى. علاوةً على ذلك، تتميز بيانات التدريب المُدرَّبة عن بعد دائمًا بمشكلة التصنيف الخاطئ، وتؤدي هذه البيانات الضوضائية إلى تدهور كبير في أداء نماذج DS-QA. لمعالجة هذه المشكلات، نقترح نموذجًا جديدًا لـ DS-QA يستخدم مُحدد فقرات لتصفية الفقرات الضوضائية، ومُقرّأ فقرات لاستخراج الإجابة الصحيحة من الفقرات المنقية من الضوضاء. أظهرت النتائج التجريبية على مجموعات بيانات واقعية أن نموذجنا يتمكن من استخلاص معلومات مفيدة من البيانات الضوضائية، ويحقق تحسينات كبيرة مقارنةً بجميع النماذج الأساسية.