تُعدّ تعليم الحاسوب على قراءة وإجابة الأسئلة العامة المتعلقة بوثيقة من المشاكل الصعبة والغير محلولة بعد. في هذا البحث، نصف بنية شبكة عصبية جديدة تُسمى شبكة الاستدلال (ReasoNet) للمهام الفهم الآلي. تستفيد شبكات ReasoNet من دورات متعددة لاستغلال العلاقات بين الاستفسارات والوثائق والإجابات بشكل فعال ومن ثم استدلالها. على خلاف النهج السابق الذي يستخدم عددًا ثابتًا من الدورات أثناء الاستدلال، تقوم شبكات ReasoNet بتقديم حالة الانتهاء لتخفيف هذه القيود على عمق الاستدلال. باستخدام التعلم التعزيزي، يمكن لشبكات ReasoNet تحديد ما إذا كان يجب مواصلة عملية الفهم بعد معالجة النتائج الوسيطة أو إنهاء القراءة عندما تتوصل إلى أن المعلومات الموجودة كافية لإنتاج إجابة. حققت شبكات ReasoNet أداءً استثنائيًا في مجموعات بيانات الفهم الآلي، بما في ذلك مجموعات بيانات CNN وDaily Mail غير المنظمة، ومجموعة بيانات SQuAD من جامعة ستانفورد، ومجموعة بيانات الوصول الرسومي المنظمة (Graph Reachability).