私たちはEpiReaderという新しいテキストの機械理解モデルを紹介します。非構造化された実世界のテキストに対する機械理解は、自然言語処理における主要な研究目標です。現在の機械理解テストでは、サポートテキストから推論できる質問が提示され、モデルの質問への反応が評価されます。EpiReaderは、2つのコンポーネントからなるエンドツーエンドのニューラルモデルです。最初のコンポーネントは、質問とそのサポートテキストを比較した後、少数の候補回答を提案します。2番目のコンポーネントは、提案された候補と質問を使用して仮説を立て、その後、これらの仮説がサポートテキストとの整合性が高いかどうかに基づいて再順位付けを行います。私たちは実験結果を示し、EpiReaderがCNNおよびChildren's Book Test（子供向け図書テスト）の機械理解ベンチマークで新たな最先端を確立していることを証明しました。これは以前のニューラルモデルよりも大幅に優れた性能を発揮しています。