多选型机器阅读理解（Multi-choice Machine Reading Comprehension, MMRC）旨在根据给定的篇章和问题，从一组选项中选出正确答案。由于MMRC任务具有特定性，因此难以直接将其他阅读理解任务（如SQuAD、Dream）的知识迁移到该任务中。本文提出一种简化方法：通过训练一个二分类模型来判断某一选项是否正确，从而将多选问题转化为单选问题，最终选择置信度最高的选项作为答案。我们基于ALBERT-xxlarge模型构建了该方法，并在RACE数据集上进行实验评估。训练过程中，采用AutoML策略自动优化模型参数。实验结果表明，将多选任务转化为单选任务后，性能表现更优。此外，通过从其他类型的阅读理解任务中迁移知识，我们的模型在单模型与集成模型两种设置下均取得了新的最先进（state-of-the-art）性能。