面向智能体的对抗式对话塑造
计算与语言
2023-07-25 v1 机器学习
摘要
深度学习方法近期的涌现使研究界在自然语言处理等多个领域取得了最先进的成果。然而，当前的机器人电话系统仍不稳定且不准确：文本生成器与聊天机器人可能乏味且误解类人对话。在本工作中，我们研究了两种能够通过对抗式对话塑造增强智能对话智能体的模型：一种是基于策略梯度的生成对抗网络（GANPG），另一种是基于Li等人[18]所提REGS模型的、对每代步骤给予奖励的生成对抗网络（REGS）。该模型能够对部分及完整生成的文本序列分配奖励。我们讨论了不同训练细节下的性能：在强化学习框架中的seq2seq[36]与transformers[37]。
引用
@article{arxiv.2307.11785,
title = {Adversarial Conversational Shaping for Intelligent Agents},
author = {Piotr Tarasiewicz and Sultan Kenjeyev and Ilana Sebag and Shehab Alshehabi},
journal= {arXiv preprint arXiv:2307.11785},
year = {2023}
}