機器閱讀理解（MachineReading Comprehension, MRC）任務主要是指讓機器根據給定的文本回答與文本相關的問題，以此來衡量機器對自然語言的理解能力。這一任務的緣起可以追溯到 20 世紀 70 年代，但是受限於小規模數據集和基於規則的傳統方法，機器閱讀理解系統在當時並不能滿足實際應用的需求。
這種局面在 2015 年發生了轉變，主要歸功於以下兩點：1）基於深度學習的機器閱讀理解模型（神經機器閱讀理解）的提出，這類模型更擅長於挖掘文本的上下文語義信息，與傳統模型相比效果提升顯著；2）一系列大規模機器閱讀理解數據集的公佈，如 CNN & Daily Mail [1]、SQuAD [2]、MS MARCO [3] 等，這些數據集使得訓練深度神經模型成爲可能，也可以很好的測試模型效果。神經機器閱讀理解在近幾年逐漸受到越來越多的關注，成爲了學術界和工業界的研究熱點。