1，以一篇119个Words的GRE(Graduate Record Examinations)文章及2个相应的阅读理解题目为例来剖析阅读理解的过程及其背后的机制
2，MRC在智能客服、机器问答、搜索引擎等等广泛应用背后的原因：规模化价值复制
3，信息的本质及信息理解的本质数学机制剖析
4，MRC三元素：Question-Context-Answer数学模型及技术本质剖析
5，MRC的核心：Attention Computations
6，MRC对信息理解三大层次解析及背后对应的数学模型
7，MRC实现方法之传统特征工程解析
8，MRC实现方法之深层语意图匹配解析
9，MRC实现方式之神经网络及Attention机制解析
10，MRC数据之Single-Document和Multiple-Document解析
11，MRC的四大核心任务之Cloze Tests数据集、数学原理和技术本质剖析
12，MRC的四大核心任务之Multiple Choice数据集、数学原理和技术本质剖析
13，MRC的四大核心任务之Span Extraction数据集、数学原理和技术本质剖析
14，MRC的四大核心任务之Free Anwering数据集、数学原理和技术本质剖析
15，Cloze Tests数据集分析：CNN&Daily Mail、CBT等
16，Multiple Choice数据集分析：MC Test、RACE等
17，Span Extraction数据集分析：SQuAD、NewsQA等
18，Free Answering数据集分析：MS MARCO、DuReader等
19，MRC的测试集解析：In-domain、Over-sensitivity、Over-stability、Generalization等
20，MRC的可回答问题及无答案问题数学原理剖析及BERT实现
21，MRC的Feature extraction数学原理及算法分析
22，传统Machine Learning Algorithms对MRC 算法解析
23，BiDAF (Bi-Directional Attention Flow)下的MRC算法解析
24，QANet下的MRC算法解析
25，Transformer架构下的BERT及ALBERT下的MRC 解析
26，Transformer架构下的XLNET下的MRC 解析
