本論文では、自然言語推論（Natural Language Inference: NLI）の新しい深層学習アーキテクチャを提案します。まず、新たなアーキテクチャを紹介します。このアーキテクチャでは、対応ペアが比較され、圧縮され、その後上位層に伝播することで表現学習の向上を図ります。次に、因子分解層を採用し、対応ベクトルを効率的かつ表現力豊かにスカラーフィーチャーへと圧縮します。これらのスカラーフィーチャーは、ベースとなる単語表現を強化するために使用されます。当方針の設計は概念的にシンプルでコンパクトでありながらも強力であることを目指しています。我々はSNLI、MultiNLIおよびSciTailという3つの主要なベンチマークで実験を行い、すべてにおいて競争力のある性能を達成しました。また、軽量なパラメータ化により、既存の最先端モデル（例：ESIMやDIIN）と比較して約3倍のパラメータサイズ削減が可能となりつつも競争力のある性能を維持しています。さらに視覚的な分析から、当モデルが伝播するフィーチャーが非常に解釈可能であることが示されました。