面向自然语言动作空间的图约束强化学习
机器学习
2020-01-27 v1 人工智能
计算与语言
机器学习
摘要
交互式小说游戏是基于文本的模拟环境，其中智能体纯粹通过自然语言与世界交互。它们是研究如何将强化学习智能体扩展以应对自然语言理解、部分可观测性以及组合爆炸式文本动作空间中的动作生成挑战的理想环境。我们提出 KG-A2C，一种在探索时构建动态知识图并使用基于模板的动作空间生成动作的智能体。我们认为，知识图在推理游戏状态和约束自然语言生成方面的双重用途是可扩展探索组合爆炸式自然语言动作的关键。在多种 IF 游戏上的结果表明，尽管动作空间大小呈指数增长，KG-A2C 仍优于当前的 IF 智能体。
引用
@article{arxiv.2001.08837,
title = {Graph Constrained Reinforcement Learning for Natural Language Action Spaces},
author = {Prithviraj Ammanabrolu and Matthew Hausknecht},
journal= {arXiv preprint arXiv:2001.08837},
year = {2020}
}
备注
Accepted to ICLR 2020