Apr, 2021

不完美也值得奖励: 面向更好对话管理的多层次和序列奖励建模

TL;DR本文提出了一种多层次奖励建模方法,以分解整个奖励信号并提高对话系统在强化学习方面的性能,实验结果表明本方法能提高对话系统的性能和收敛速度。