本研究分析了不同QA数据集上的微调策略性能，发现使用预训练语言模型与目标数据集和SQuAD数据集微调的策略在低预算下效果最佳，性能优于标准策略2.28%至6.48%。该研究表明低预算下QA系统的微调具有实用价值。

本研究分析了不同QA数据集上的微调策略性能，发现传统的基于预训练语言模型和微调策略在低预算下次优。最佳策略是使用预训练语言模型与目标数据集和SQuAD数据集微调，性能优于标准策略2.28%至6.48%。对QA从业者在低预算下微调QA系统具有实用价值。