Question Answering

最佳模型： PAAG

最佳模型： Cardal

最佳模型： KGT5

最佳模型： STM

最佳模型： BioLinkBERT (large)

最佳模型： BioLinkBERT (large)

最佳模型： Gemma-7B

最佳模型： Custom Legal-BERT

最佳模型： Fast Weight Memory

最佳模型： Fast Weight Memory

最佳模型： MuCoT

最佳模型： NSE

最佳模型： Gated-Attention Reader

最佳模型： G-DAUG-Combo + RoBERTa-Large

最佳模型： SubGTR

最佳模型： WebQA

最佳模型： TOME-2

最佳模型： FiD

最佳模型： PaLM 540B (finetuned)

最佳模型： GPT-3 175B (few-shot, k=32)

最佳模型： QDGAT (ensemble)

最佳模型： Vector Database (ChromaDB)

最佳模型： BART fine-tuned on FairytaleQA

最佳模型： ELASTIC (RoBERTa-large)

最佳模型： GeoQA2

最佳模型： ChatGPT

最佳模型： Beam Retrieval

最佳模型： BM25+CE

最佳模型： MAFiD

最佳模型： BERT-Japanese

最佳模型： Claude-3.5-Sonnet (ReAct)

最佳模型： TP-Transformer

最佳模型： syntax, frame, coreference, and word embedding features

最佳模型： MedMobile (3.8B)

最佳模型： DRAGON + BioLinkBERT

最佳模型： T5-small+prolog

最佳模型： RGX

最佳模型： PaLM 540B (finetuned)

最佳模型： RoBERTa-large Tagger + LIQUID (Ensemble)

最佳模型： Masque (NarrativeQA + MS MARCO)

最佳模型： Atlas (full, Wiki-dec-2018 index)

最佳模型： DensePhrases

最佳模型： DPR

最佳模型： OpenAI/o3-mini-2025-01-31-high

最佳模型： FLAN 137B (zero-shot)

最佳模型： Fusion Retriever+ETC

最佳模型： GPT-4o-2024-08-06-128k

最佳模型： LLaMA 65B (0-shot)

最佳模型： SelfRAG-7b

最佳模型： BioMedGPT-10B

最佳模型： BioGPT-Large(1.5B)

最佳模型： Attentive LSTM

最佳模型： Longformer Encoder Decoder (base)

最佳模型： FlowQA (single model)

最佳模型： DeBERTa (large)

最佳模型： multimodal+LXMERT+ConstrainedMaxPooling

最佳模型： XLNet-large

最佳模型： HyperQA

最佳模型： LLaMA 65B (zero-shot)

最佳模型： CREMA

最佳模型： LUKE

最佳模型： T5-11B

最佳模型： XLNet (single model)

最佳模型： TP-MANN

最佳模型： Neo-6B (QA + WS)

最佳模型： BLOOMZ

最佳模型： PaLM 2 (few-shot, CoT, SC)

最佳模型： DeBERTaV3large

最佳模型： TagOp

最佳模型： QAap

最佳模型： ECONET

最佳模型： TANDA DeBERTa-V3-Large + ALL

最佳模型： PaLM 2-L (one-shot)

最佳模型： CoA

最佳模型： ByT5

最佳模型： Bing Chat

最佳模型： FiE+PAQ

最佳模型： ChatGPT

最佳模型： BigBird-etc

最佳模型： TANDA-RoBERTa (ASNQ, WikiQA)

最佳模型： TabSQLify (col+row)

最佳模型： sMIM (1024) +