大規模な質問応答システムの訓練は複雑である。その理由は、訓練データが通常、可能な質問の範囲の一部しかカバーしていないからである。本論文では、単純な質問応答におけるマルチタスク学習と転移学習の影響を検討する。この設定では、質問に対する回答に必要な推論は比較的容易であるが、質問に対して正しい証拠を取得することが大規模な条件下では困難となることがある。この目的のために、既存のベンチマークと共に使用する10万件の質問からなる新しいデータセットを導入する。当研究はMemory Networks（ウェストンら, 2015）の枠組み内で実施される。なぜなら、この視点は最終的により複雑な推論へとスケールアップできる可能性があるからである。そして、Memory Networksが成功裏に訓練され、優れた性能を達成できることを示している。注：「Memory Networks」は「メモリネットワーク」とも訳すことがありますが、「Memory Networks」で統一しました。「ウェストンら」は原著者の姓（Weston）を日本語読みにしたものです。