コンピュータに文書に関する一般的な質問を読み取り、回答させるのは難しく未解決の問題である。本論文では、機械読解タスク向けの新しいニューラルネットワークアーキテクチャである推論ネットワーク（Reasoning Network, ReasoNet）について説明する。ReasoNetは、複数回のターンを用いて、問いと文書および答えの間の関係を効果的に活用し、推論を行う。従来の手法が推論時に固定されたターン数を使用していたのに対し、ReasoNetはこの制約を緩和するために終了状態を導入している。強化学習を用いることで、ReasoNetは中間結果を取り入れた後、読解プロセスを続けるか、既存の情報が答えを作成するのに十分であると判断した場合に読み取りを終了するかを動的に決定できる。ReasoNetは、構造化されていないCNNやDaily Mailデータセット、Stanford SQuADデータセット、そして構造化されたグラフ到達可能性データセットなど、機械読解データセットにおいて優れた性能を達成している。