これまでのオープンドメイン質問応答（open-domain QA）におけるリトリーブ・リーダー枠組みに関する最近の研究は、主に抽出型リーダーまたは生成型リーダーのいずれかに注目している。本論文では、両モデルの強みを活かすハイブリッドアプローチを検討する。近年の事前学習済みニューラル言語モデルを基盤とする抽出型および生成型リーダーに、新たな技術を適用し、適切な学習手法が従来の最先端モデルに対して大幅な性能向上をもたらすことを明らかにした。また、両リーダーの回答を単純に統合するハイブリッド手法が、抽出型と生成型の回答推論戦略の利点を効率的に活かすことができ、単一モデルや同質なアンサンブルモデルを上回ることを実証した。本手法は、NaturalQuestionsおよびTriviaQAにおける正確一致（exact match）スコアにおいて、それぞれ従来の最先端モデルを3.3点および2.7点上回った。