为了回答机器阅读理解（MC）任务中的问题，模型需要建立问题与上下文之间的互动。为了解决单次通过模型无法反思和纠正其答案的问题，我们提出了沉思阅读器（Ruminating Reader）。沉思阅读器在双向注意力流模型（BiDAF）的基础上增加了第二次注意力传递和一种新颖的信息融合组件。我们提出了一种新的层结构，该结构构建了查询感知的上下文向量表示，并在BiDAF模型之上将编码表示与中间表示进行融合。我们展示了多跳注意力机制可以应用于双向注意力结构。在SQuAD数据集上的实验结果表明，沉思阅读器显著优于BiDAF基线模型，并且其性能与所有其他已发表的系统相当或超越。