这篇 paper 将问题定义在 CLEVER dataset 与调整过的 Sort-of-CLEVER dataset 上面，要根据图片回答一个关于照片中物体间关联性的问题。架构上由三大 component 所组成，使用一个 CNN 与一个 LSTM 分别对图片与文字做资讯提取，并根据提取的资讯在 RN 中进行关系推理、输出最终推论结果。
而下式就是 RN 最简单的函示型态：
如上式， RN 考量的是“所有”物件对 (pair) 之间的 relation ，这代表着 RN 并不是聚焦于推论某一特定 relation 的存在性或意义， RN学习的是综合所有 relation ，推论所有 relation 的存在性与意涵。
2. 能非常有效率的使用资料：
RN 使用单一函式 g 学习所有的 relation ，这能使 g 不会 over-fit 到特定的物件组合的 relation 上，借此得到更好的泛用性。此外，我们会穷举所有物件的 relation ， n 个物件会得到 n^2 个 relation 资讯，也就是 RN 在学习一笔 data 时， g 函式本身会被更新 n^2 次。
3. 接受的输入是物件 (非常广义的型态) ，并且不受输入顺序影响：
RN 的函式本身保证了输入顺序不会改变结果，这保证了 RN 输出的 relation 能够泛用地代表物件集合中的 relation 。在实验中， RN 于 CLEVER dataset 上无论是综合或是单项的准确率，都表现出了超越人类水平的准确率。