文本推理被定义为构造自然语言文本的某种表示，以便在这种表示之上通过计算得到结论或者是新的信息和知识，所以，文本推理可以理解为文本表示学习 + 推理。文本推理是 NLP 中一个很重要的问题，并且 NLP 中很多应用都需要文本推理技术作为支撑：问答系统、对话系统、社会预测等。

机器进行文本推理不仅仅需要具有语义理解能力，也需要利用丰富的知识来支撑机器进行复杂的推理，目前的模型进行推理时并没有融入知识或者对知识的融入不够充分，所以我们提出了 PLM-KDA 框架对预训练语言模型进行知识的融入，在事件预测和阅读理解两个文本推理的子任务上的性能超越了一系列的基线方法。