النمط المتداول في إجابة الأسئلة ذات الخيارات المتعددة (MCQA) هو استخدام إطار عمل نص إلى نص. من خلال تحويل البيانات من مهام مختلفة إلى تنسيق نص إلى نص واحد، يتم تدريب نموذج ترميز-فك ترميز توليدي قوي وشامل. ومع ذلك، فإن أحد الآثار الجانبية لتعديل هدف التوليد ليناسب الطبيعة التصنيفية لأسئلة MCQA هو الاستخدام غير الكافي لوحدة فك الترميز والمعرفة التي يمكن استخلاصها منها. لاستغلال قدرة التوليد والمعرفة الكامنة في نموذج الترميز-فك الترميز المُدرّب مسبقًا، نقترح في هذا البحث نموذجًا مُحسّنًا للتوليد يُسمى GenMC. يُولّد النموذج مؤشرًا من السؤال، ثم يستخدم هذا المؤشر لتعزيز نموذج قارئ مخصص لأسئلة MCQA. وقد أظهر النموذج أداءً أفضل من نماذج النص إلى النص على عدة مجموعات بيانات لأسئلة MCQA.