本稿では、非構造化テキスト、構造化テーブル、知識グラフに対する質問応答を統一的に扱うQUASARシステムを紹介します。このシステムはRAGベースのアーキテクチャを採用しており、証拠の検索とその後の回答生成というパイプラインで構成されています。後者のプロセスは中規模の言語モデルによって駆動されます。さらに、QUASARには質問理解のためのコンポーネントが含まれており、これにより証拠検索に向けたより明確な入力が得られます。また、検索された証拠を再順位付けおよびフィルタリングするコンポーネントも備えており、最も情報量の多い部分を回答生成に供給します。3つの異なるベンチマークを使用した実験結果は、当該手法が大規模GPTモデルと同等かそれ以上の高い回答品質を持つことを示しています。同時に、計算コストやエネルギー消費量は大規模GPTモデルよりも桁違いに低いままです。