読解（Reading Comprehension: RC）は、情報検索とは異なり、文書全体にわたる出来事、実体、およびそれらの関係を統合し、推論する能力を必要とします。質問応答は、人工エージェントや読み書きを学ぶ子供たちのRC能力を評価するために一般的に使用されています。しかし、既存のRCデータセットやタスクは、表面的な情報（例えば、局所的な文脈の類似性や全体的な用語頻度）を使用して答えを選択できる質問が支配的であり、RCの本質的な統合的側面をテストできていません。言語のより深い理解を促進するため、私たちは新しいデータセットと一連のタスクを提示します。これらのタスクでは、読者は物語に関する質問に答えるために、全体の本や映画脚本を読む必要があります。これらのタスクは設計されており、成功裏に質問に答えるには浅いパターンマッチングや注目度に頼るのではなく、根本的な物語性を理解することが必要です。私たちは人間がこれらのタスクを容易に解決できる一方で、標準的なRCモデルがここでのタスクで苦戦することを示しています。また、データセットとその課題に対する分析も提供しています。