返回资源列表

Lil'Log(Lilian Weng 个人博客) · Lilian Weng

How to Build an Open-Domain Question Answering System?

How to Build an Open-Domain Question Answering System?是Lil'Log(Lilian Weng 个人博客)的免费文章(en)。前置条件:需了解神经网络基础、Transformer/预训练语言模型概念,以及信息检索基本指标。

理解开放域问答(ODQA)的任务定义、三类开放卷/闭卷框架与常见实现路线,能读懂并选择检索器、阅读器、生成器的组合方案。

打开官方课程
难度
见前置条件
类型
博客 · 文章
语言
en
规模
1 个课节
内容费用
免费
动手
打开即可学习

使用限制

阅读正文不需要账号;仅在复现文中 OpenAI API 示例时需要相应账号。

练习与作业
OpenAI API 账号(文中闭卷问答示例使用,原页面标注为 beta)
内容提示
内容时效:网页标注文章发布于 2020 年 10 月 29 日(2020 年 11 月 12 日更新),综述的模型与 API 示例停留在 2020–2021 年前后的 ODQA 研究。

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「How to Build an Open-Domain Question Answering System?」。课程目录是 lilian-weng-odqa/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 1 节 · 官方顺序

  1. 01How to Build an Open-Domain Question Answering System?

常见问题

免费吗?

免费:网页正文完整可读,未出现付费墙或登录拦截,可免费阅读。实践可能产生费用:文中提到一个使用 OpenAI API(beta)的闭卷问答示例,自行复现可能产生 API 费用,原站未说明具体价格。

需要什么基础?

需了解神经网络基础、Transformer/预训练语言模型概念,以及信息检索基本指标。软件、账号与硬件:浏览器即可阅读;文中提到的 OpenAI API 示例需要账号(原文标注为 beta)。

有中文吗?

本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://lilianweng.github.io/posts/2020-10-29-odqa/。打开原文即可,无需安装软件。开课提示词尚未完整验证。练习与作业需要自备:OpenAI API 账号(文中闭卷问答示例使用,原页面标注为 beta)。

来源与使用须知

收录时间
本站首次收录 2026-10-24
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。