IJCAIJul, 2023

ScriptWorld：学习程序化知识的文本环境

PDF
TL;DR介绍了一种名为 ScriptWorld 的基于文本的环境，用于教授智能代理关于日常家务事的现实世界常识知识，实验表明，从预训练的语言模型获取的先前知识有助于解决现实文本游戏环境。
text-based gamesscriptworldcommonsense knowledgedaily choreslanguage models
发现论文，激发创造
  • TextWorld：基于文本的游戏学习环境

    TextWorld 是为训练和评估基于强化学习的 RL agents 在基于文本的游戏上而设计的一个 Python 库，该文献使用 TextWorld 构建基于强化学习形式主义的基准游戏，并评估了几个基线代理。

    Jun, 2018

  • 学习基于知识图谱的文本环境世界模型

    该论文聚焦于构建基于文本的游戏环境的世界模型，利用知识图谱和自然语言行动生成模型，提升增强学习智能体在该环境下的效率。通过零样本消融实验，表明该方法显著优于现有的文本世界建模技术及其各自贡献的重要性。

    Jun, 2021

  • 基于文本的 RL 代理与常识知识：新挑战、环境和基准

    本文研究了 RL 智能体如何在具备通识知识的情况下进行决策。通过设计新的基于文本的游戏环境，实现了一种感知建模的系统，同时，也为该环境提出了多个基线 RL 智能体，这些智能体能通过动态检索 ConceptNet 中相关的通识知识，实现了更好的表现。

    Oct, 2020

  • 文本建模世界

    该研究提供了一个数据集，用于训练能够构建基于知识图谱的交互叙事世界模型的学习代理。数据集包含了 24198 个富自然语言观察和知识图谱之间的映射，以及多个流派的 27 个游戏中的训练数据和 9 个附加的游戏中包含的 7836 项测试集等内容。此外，研究还提供了基于规则、问答和序列学习方法的基线模型以及数据分析。

    Jun, 2021

  • 使用文本生成互动式世界

    本文介绍了一种用于生成游戏世界的机器学习方法，通过基于多人文本冒险游戏环境 LIGHT 的内容，利用基于神经网络的模型将位置、角色和对象组成一个连贯的整体。除了基于现有元素创建世界，该模型还可以生成新的游戏内容，提供了交互式辅助世界构建的方法，研究表明，我们的方法可以创造出具有连贯性与多样性的游戏环境，人类评估者也相对于其他机器学习方法更偏爱我们的创造方法。

    Nov, 2019

  • 互动文本游戏的知识增强代理

    该文提出了一种通过注入领域知识的方式来改善基于文本游戏中的智能代理的实现过程，并考虑了多种不同的注入策略，包括知识图谱和输入编码策略的增强，实验结果在 ScienceWorld 文本游戏环境中得到证明。

    May, 2023

  • 感知世界：针对基于文本游戏的问题引导强化学习

    本研究探讨了深度强化学习在文本游戏中的应用，提出了通过引入知觉模块以及使用两阶段训练框架来提高样本效率，从而解决了应用 DRL 的两个主要挑战。实验结果表明，提出的方法显着提高了性能和样本效率，并且对复合错误和数据有限的预训练表现出鲁棒性。

    Mar, 2022

  • 让故事活起来：生成交互式小说世界

    本文主要介绍了一个基于知识图谱和神经语言模型的交互式小说生成算法，通过提取常识和主题知识来实现语义连贯、有趣、一致的文本世界，实验结果显示该模型优于规则和人工基准。

    Jan, 2020

  • 利用常识知识增强基于文本的强化学习智能体

    本文研究了在强化学习技术中，利用基于文本的环境和游戏作为评估环境的趋势，并探讨了这种依赖文本的趋势如何将自然语言处理的进展引入到这些智能体中。我们提出了一种智能体的实例，利用 ConceptNet 中的常识知识，在两个基于文本的环境中展现了良好的性能。

    May, 2020

  • ALFWorld: 文本对话及实体环境互动学习对齐

    ALFWorld 介绍了一个新的模拟器，使得具有身体能力的代理人能够在 TextWorld 中学习抽象的文本策略，然后在富有视觉感的环境中执行 ALFRED 基准测试的目标，以促进代理人的更好泛化。

    Oct, 2020