DiffG-RL：利用状态与常识之间的差异

Tsunehiko Tanaka; Daiki Kimura; Michiaki Tatsubori

DiffG-RL：利用状态与常识之间的差异

计算与语言 2022-11-30 v1 人工智能

作者: Tsunehiko Tanaka , Daiki Kimura , Michiaki Tatsubori

摘要

将背景知识作为上下文来考虑，一直是解决涉及自然语言任务的重要部分。此类任务的一个代表性例子是基于文本的游戏，玩家需要基于游戏中先前展示的描述文本，以及自身关于语言与常识的背景知识做出决策。本工作中，我们研究的不是如先前研究那样简单地提供常识，而是其对常识的有效利用。我们假设，不同于常识的那部分环境状态应构成动作选择依据之一。我们提出一种新颖智能体 DiffG-RL，其通过带有专用图编码器的交互对象组织环境状态与常识，构建差异图 (Difference Graph)。DiffG-RL 还包含一种从来源提取适量且适当表示的常识以支持图构建的框架。我们在需要常识的基于文本的游戏中通过实验验证 DiffG-RL，显示其以 17% 的分数优于基线。代码见 https://github.com/ibm/diffg-rl

关键词

基于文本的游戏常识差异图 DiffG-RL 图编码器背景知识智能体

引用

@article{arxiv.2211.16002,
  title  = {DiffG-RL: Leveraging Difference between State and Common Sense},
  author = {Tsunehiko Tanaka and Daiki Kimura and Michiaki Tatsubori},
  journal= {arXiv preprint arXiv:2211.16002},
  year   = {2022}
}

备注

Findings of EMNLP 2022. Code available at: https://github.com/ibm/diffg-rl

DiffG-RL：利用状态与常识之间的差异

摘要

关键词

引用

备注

相关论文