多選式機械読解（Multi-choice Machine Reading Comprehension; MMRC）は、与えられた本文と質問に基づいて、提示された選択肢の中から正しい答えを選択することを目的としている。MMRCのタスク固有性のため、SQuADやDreamなどの他の機械読解タスクから知識を転移するのは容易ではない。本論文では、単純に多選択を単選択に再構成するアプローチを採用し、ある特定の選択肢が正解かどうかを判別する二値分類モデルを学習することで、正解の可能性が高い選択肢を信頼度スコアの高い順に選定する。本モデルはALBERT-xxlargeモデルを基盤とし、RACEデータセット上で評価を行った。学習過程では、より良いパラメータを探索するためAutoML戦略を導入した。実験結果から、単選択アプローチが多選択アプローチよりも優れた性能を示した。さらに、他の種類の機械読解タスクからの知識転移を活用した結果、単体モデルおよびアンサンブル設定の両方で、新たな最先端（state-of-the-art）の性能を達成した。