摘要
多选阅读理解（MCRC）是指在给定问题和文章的情况下，从多个选项中选择正确答案的任务。现有的MCRC模型通常要么独立地阅读每个选项，要么在比较之前为每个选项计算一个固定长度的表示。然而，人类通常会在详细阅读文章之前，在多个粒度级别上比较选项，以提高推理效率。模仿人类的行为，我们提出了一种用于MCRC的选项比较网络（Option Comparison Network, OCN），该网络在词级层面对比选项，以便更好地识别它们之间的关联，从而帮助推理。具体而言，每个选项都通过一个扫描器编码成向量序列，尽可能保留细粒度的信息。利用注意力机制对这些向量序列逐个进行对比，以识别选项之间更为细微的关联，这可能对推理具有重要价值。实验结果表明，在人类英语考试MCRC数据集RACE上的表现中，我们的模型显著优于现有方法。此外，这也是首个在整个数据集上超越Amazon Mechanical Turkers表现的模型。