يبدأ التفكير الاختلافي من بعض الملاحظات ويهدف إلى إيجاد التفسير الأكثر معقولا لهذه الملاحظات. لأداء الاختطاف، غالبا ما يستخدم البشر من الاستدلالات الزمنية والسببية، ومعرفة كيف يمكن أن يؤدي بعض الوضع الافتراضي إلى نتائج مختلفة. يقدم هذا العمل الدراسة الأولى لكيفية تؤثر هذه المعرفة على المهمة NLI المختلة - التي تتكون في اختيار التفسير الأكثر احتمالا لملاحظات معينة. نحن ندرب نموذج اللغة المتخصصة LMI التي يتم تكليفها بإنشاء ما يمكن أن يحدث بعد ذلك من سيناريو افتراضي يتطور من حدث معين. بعد ذلك اقتراح نموذج متعدد المهام MTL لحل المهمة NLI المختلة، والذي يتوقع تفسير معقول من قبل) النظر في الأحداث المحتملة المختلفة الناشئة عن الفرضيات المرشحة - الأحداث الناتجة عن LMI - و B) اختيار واحد أكثر مماثلة إلى النتيجة التي لوحظت. نظهر أن نموذج MTL الخاص بنا يحسن أكثر من LMS من الفانيليا السابقة التي تم تدريبها مسبقا على NLI Paltrack NLI. يشير التقييم والتحليلات اليدوية لدينا إلى أن التعلم عن الأحداث القادمة المحتملة من سيناريوهات افتراضية مختلفة يدعم الاستدلال المختلف.