Die Aufgabe der natürlichsprachlichen Inferenz (NLI) erfordert, dass ein Agent das logische Verhältnis zwischen einer natürlichsprachlichen Prämisse und einer natürlichsprachlichen Hypothese bestimmt. Wir stellen das Interaktive Inferenznetzwerk (IIN) vor, eine neuartige Klasse neuronaler Netzwerke, die in der Lage ist, durch hierarchisches Extrahieren semantischer Merkmale aus dem Interaktionsraum ein hochwertiges Verständnis des Satzpaars zu erreichen. Wir zeigen, dass ein Interaktionstensor (Aufmerksamkeitsgewicht) semantische Informationen enthält, die zur Lösung von natürlichsprachlicher Inferenz genutzt werden können, und dass ein dichterer Interaktionstensor reichere semantische Informationen beinhaltet. Eine Instanz dieser Architektur, das Dichter Interaktive Inferenznetzwerk (DIIN), demonstriert den Stand der Technik in Bezug auf große NLI-Korpora sowie ähnliche Korpora großkalibrierter NLI. Es ist bemerkenswert, dass DIIN im Vergleich zum stärksten veröffentlichten System einen Fehlerreduktion von mehr als 20 % im anspruchsvollen Multi-Genre NLI-Datensatz (MultiNLI) erreicht.