自调节交互式序列到序列学习

并非所有类型的监督信号都是等同的：不同类型的反馈具有不同的代价以及对学习的不同影响。我们展示了决定何时向教师（或向自身）请求何种反馈的自调节策略如何被表述为一个学会学习问题，从而改进了代价感知的序列到序列学习。在交互式神经机器翻译的实验中，我们发现自调节器通过混合包括修正、错误标注与自监督在内的不同反馈类型，发现了一种用于最优代价-质量权衡的 $\epsilon$-贪婪策略。此外，我们证明了其在领域偏移下的鲁棒性，并将其确定为主动学习的一种有前景的替代方案。