Apr, 2018

从信用分配到熵正则化:神经序列预测的两个新算法

TL;DR本论文研究了奖励增强最大似然学习的信用分配问题,并在令牌级的 RAML 和熵正则化强化学习之间建立了理论等价性。在两个基准数据集上,我们展示了所提出的算法分别优于 RAML 和 Actor-Critic,为序列预测提供了新的选择。