基于分层强化学习的文本游戏泛化
计算与语言
2021-09-22 v1 人工智能
摘要
深度强化学习为研究人类与人工智能体之间自然语言通信的文本游戏提供了一种有前景的途径。然而，由于智能体严重依赖于训练任务的复杂性与多样性，泛化仍是一大挑战。本文通过引入构建于基于知识图的 RL 智能体之上的分层框架来解决该问题。在高层，执行元策略将整个游戏分解为一组由文本目标指定的子任务，并基于知识图选择其中之一。随后在底层执行子策略以进行目标条件强化学习。我们在具有不同难度的游戏上开展实验，表明所提方法具备良好的泛化能力。
引用
@article{arxiv.2109.09968,
title = {Generalization in Text-based Games via Hierarchical Reinforcement Learning},
author = {Yunqiu Xu and Meng Fang and Ling Chen and Yali Du and Chengqi Zhang},
journal= {arXiv preprint arXiv:2109.09968},
year = {2021}
}
备注
41 pages, 11 figures, EMNLP2021 Findings