複数スパン質問に答えるためのシンプルで効果的なモデル

読解モデル（RC）は、学習の難易度を軽減し、明示的なテキスト生成モデルの必要性を回避するため、通常、出力空間を入力テキスト内のすべての連続したスパン（span）の集合に制限している。しかし、答えを単一のスパンに限定することは制約的であり、近年の一部のデータセットでは、複数の非連続スパンから構成される答えを必要とする「マルチスパン質問」も含まれている。当然ながら、単一スパンを返すモデルではこのような質問に答えられない。本研究では、この問題をシーケンスタグGING問題として定式化することで、マルチスパン質問に対応するシンプルなアーキテクチャを提案する。具体的には、入力の各トークンについて、それが出力に含まれるべきかどうかを予測する。本モデルは、DROPおよびQuorefデータセットにおけるスパン抽出質問において、それぞれ9.9点および5.5点のEM（Exact Match）スコアで著しく性能向上を達成した。