In diesem Artikel präsentieren wir CorefQA, einen genauen und erweiterbaren Ansatz für die Coreferenzauflösung. Wir formulieren das Problem als Spann-Vorhersage-Aufgabe, ähnlich wie bei der Fragebeantwortung: Für jede Kandidat-Erwähnung wird mithilfe ihres umgebenden Kontexts eine Abfrage generiert, und ein Spann-Vorhersagemodul wird eingesetzt, um die Textspans der Coreferenzen innerhalb des Dokuments anhand der generierten Abfrage zu extrahieren. Diese Formulierung bietet folgende zentrale Vorteile: (1) Die Spann-Vorhersage-Strategie ermöglicht die Flexibilität, Erwähnungen zu erfassen, die im Stadium der Erwähnungsvorschläge übersehen wurden; (2) Im Rahmen der Fragebeantwortung erlaubt die explizite Kodierung von Erwähnung und Kontext in einer Abfrage eine tiefe und gründliche Analyse der Hinweise, die im Kontext der coreferenten Erwähnungen enthalten sind; und (3) Eine Vielzahl bereits bestehender Fragebeantwortungs-Datensätze kann zur Datenverstärkung genutzt werden, um die Generalisierungsfähigkeit des Modells zu verbessern. Experimente zeigen eine signifikante Leistungssteigerung gegenüber früheren Modellen, mit einem F1-Score von 83,1 (+3,5) auf dem CoNLL-2012-Benchmark und 87,5 (+2,5) auf dem GAP-Benchmark.