征服地牢：基于机械Turker下降的接地语言学习
计算与语言
2018-04-17 v3
摘要
与大多数使用静态数据集的自然语言处理研究不同，人类是以交互的、立足于环境的方式学习语言。在这项工作中，我们提出一种称为机械Turker下降（Mechanical Turker Descent, MTD）的交互式学习流程，并用它来训练在奇幻文本冒险游戏中执行自然语言指令的智能体。在MTD中，Turker们在短期内竞争训练出更好的智能体，而在长期内通过共享各自智能体的技能进行协作。与静态数据集相比，这为Turker们带来了游戏化、引人入胜的体验，并为智能体提供了更高质量的教学信号，因为Turker们会自然地根据智能体的能力调整训练数据。
引用
@article{arxiv.1711.07950,
title = {Mastering the Dungeon: Grounded Language Learning by Mechanical Turker Descent},
author = {Zhilin Yang and Saizheng Zhang and Jack Urbanek and Will Feng and Alexander H. Miller and Arthur Szlam and Douwe Kiela and Jason Weston},
journal= {arXiv preprint arXiv:1711.07950},
year = {2018}
}