成交还是不成交？面向谈判对话的端到端学习
人工智能
2017-06-19 v1 计算与语言
摘要
人类对话大多发生在半合作场景中，具有不同目标的智能体试图就共同决策达成一致。谈判需要复杂的沟通与推理技能，但其成功与否易于衡量，使其成为人工智能领域一项有趣的任务。我们收集了一个关于多议题讨价还价任务的人类谈判大型数据集，在该任务中，无法观察彼此奖励函数的智能体必须通过自然语言对话达成协议（或交易）。我们首次表明，训练用于谈判的端到端模型是可能的，这些模型必须在没有标注对话状态的情况下学习语言和推理技能。我们还引入了对话展开（dialogue rollouts）技术，即模型通过模拟对话可能的完整延续来进行提前规划，并发现该技术显著提升了性能。我们的代码和数据集已公开 (https://github.com/facebookresearch/end-to-end-negotiator)。
引用
@article{arxiv.1706.05125,
title = {Deal or No Deal? End-to-End Learning for Negotiation Dialogues},
author = {Mike Lewis and Denis Yarats and Yann N. Dauphin and Devi Parikh and Dhruv Batra},
journal= {arXiv preprint arXiv:1706.05125},
year = {2017}
}