该文综述无监督问答研究，利用生成模型合成训练数据、伪数据和模板生成问题，提升多项选择题与抽取式问答性能，在RACE、SQuAD等基准上媲美监督方法，并降低标注成本。

该文介绍了一种基于无监督问答的事实检查方法，使用Bert对FEVER数据集进行Cloze任务转换，预测答案标记并计算标签。该方法在开发集和测试集上分别实现了80.2％和80.25％的标签准确率。