HW7 的目標是要用 BERT-based 的 model 來 train 一個 extractive question answering model，使用的 dataset 是 DRCD: 台達閱讀理解資料集 Delta Reading Comprehension Dataset。
我最後使用 macBERT-large 在 public score 上面取得 82.05% 的 accuracy。
其中比較麻煩的是關於 data processing 的部分，report 的第一題也是針對這個部分來闡述細節：
After your model predicts the probability of answer span start/end position, what rules did you apply to determine the final start/end position? (the rules you applied must be different from the sample code)

1. 如果在 predict 的結果中，有包含 [UNK], [CLS], [SEP] 之類的特殊符號的話，就要 map 回原
   本的 paragraph 並輸出該 span。
2. 去找在 start_index 後面的 end_index，以確保 end_index 永遠比 start_index 還要大。
3. 加入限制: end_index - start_index <= 30