本競賽的每一筆輸入資料為一個三元組(q, r, s)，q是一則英文論述，r是一則對q進行回應的英文短文，s則是r對q的議論關係，可能是同意（agree）或不同意（disagree）。 輸出資料則是一個雙元組(q',r')，q'與r'分別是q與r的子序列（subsequence），且q'與r'提供了關鍵性的資訊，足以判斷q與r呈現s的關係。
透過QA模型來提取q',r'，所以先找出q_start,q_end,r_start,r_end作為訓練label
在huggingface上許多NLP相關模型，在嘗試Bert,Distilt-Bert, Multilingual-Bert, RoBERTa等模型後，發現以RoBERTa作為預訓練模型進行fine-tune得到的效果最好
private score得到0.86
