私たちは、複数択問題解答（MCQA）タスクを一連の二値分類として再構築することを提案します。一般的に、MCQA タスクは各 (質問, 答え) ペアに対してスコアリングを行い、すべてのペアで正規化した後、最も高いスコアを出したペアから答えを選択します。n 個の答え候補がある場合、これは唯一のクラス（正しい答え）が正しい n 分類設定に相当します。しかし、私たちが示すのは、(質問, 正しい答え) を肯定例とし、(質問, 間違った答え) を否定例として分類する方法が、さまざまなモデルやデータセットにおいて著しく効果的であるということです。我々は提案手法の有効性を異なるタスクで示しています。すなわち、誘導的推論（abductive reasoning）、常識的な質問応答（commonsense question answering）、科学的な質問応答（science question answering）、および文完成（sentence completion）です。私たちの DeBERTa 二値分類モデルは、これらのタスクにおける公開リーダーボードでトップまたはそれに近い性能を達成しています。提案手法のソースコードは https://github.com/declare-lab/TEAM で利用可能です。