本文提出了一种使用少量半结构化解释的方法来训练机器阅读理解模型，使用可学习的神经模块和软逻辑来处理语言变化并克服模型覆盖率不足。在SQuAD数据集上，该方法实现了70.14%的F1得分，速度提高了12倍。