1.文章採用Document Retriever + Document Reader, 其中Document Retriever的問題是從Wikipedia抽取出相關的文檔或段落，然後利用Document Reader進行閱讀理解。
2.Document Retriever採用的是TFIDF，Document Reader採用的是Bi-LSTM
3.Document Retriever會檢索到不包含答案的段落，從而加入了加入了Paragraph ranking，對檢索到的Paragraph，根據問題embedding和段落embedding的相似性進行排序,只讀前M個段落。
4.採用Paragraph Selector對檢索到的段落進行過濾。
5.RETRIEVER和READER的多步交互，根據Reader的狀態對query進行更新，更新的query用來重新檢索段落，迭代多步後輸出最後一步檢索閱讀後產生的答案。
6.設計了RETRIEVER和READER的多步交互，根據Reader的狀態對query進行更新，更新的query用來重新檢索段落，迭代多步後輸出最後一步檢索閱讀後產生的答案。
7.沒有考慮到段落之間的聯繫。由於正確答案往往有多個證據（evidence），而錯誤答案只有個別證據。所以進行了融合。
8.在模型上也有不同的改進。由於之前的模型[1,2]，問題和段落交互很少，都是將問題編碼成問題向量，段落編碼成段落向量然後進行（單層）交互。[5]提出對問題和段落編碼的各個層進行全連接交互。