تمثّل مهارة فهم القراءة الآلية (MRC) تحديًا في مجال الذكاء الاصطناعي يتطلب من الآلة تحديد الإجابات الصحيحة على الأسئلة استنادًا إلى مقطع نصي معطى. يجب أن تكون أنظمة MRC قادرة ليس فقط على الإجابة عند الحاجة، بل أيضًا على التمييز بين الحالات التي لا توجد فيها إجابة مناسبة وفقًا للمقطع المذكور، ومن ثم التصرّف بذكاء وتجنب الإجابة. عند وجود أسئلة غير قابلة للإجابة ضمن مهمة MRC، يصبح من الضروري بشكل خاص تضمين وحدة تحقق أساسية تُسمّى "المحقق" (verifier) إلى جانب وحدة الترميز (encoder)، رغم أن الممارسة الحديثة في نمذجة MRC لا تزال تستفيد بشكل كبير من استخدام نماذج لغوية مُدرّبة مسبقًا بفعالية كوحدة ترميز، مع التركيز فقط على جانب "القراءة". يركّز هذا البحث على استكشاف تصميم مُحسّن لوحدة المحقق (verifier) في مهمة MRC التي تتضمّن أسئلة غير قابلة للإجابة. مستلهمين من الطريقة التي يحل بها البشر مسائل فهم القراءة، نقترح نموذجًا يُسمّى "القارئ الاسترجاعي" (Retro-Reader)، الذي يدمج مرحلتين من استراتيجيات القراءة والتحقق: 1) قراءة موجزة تُجري استقصاءً سريعًا للتفاعلات العامة بين المقطع والسؤال، وتُنتج تقييمًا أوليًا؛ و2) قراءة مكثفة تُحقّق صحة الإجابة وتُقدّم التنبؤ النهائي. تم اختبار النموذج المقترح على مجموعتي بيانات معياريتين لتحدي MRC، وهما SQuAD2.0 وNewsQA، حيث حقق نتائج جديدة على مستوى الحد الأقصى (state-of-the-art). أظهرت اختبارات الدلالة إحصائية أن نموذجنا أفضل بشكل ملحوظ من النماذج القوية مثل ELECTRA وALBERT. كما أُجريت سلسلة من التحليلات لفهم فعالية النموذج المقترح.