通过程序化环境生成进行情境对话学习
计算与语言
2022-02-28 v2 人工智能
摘要
我们通过在生成的课程上训练，教导目标驱动的智能体在情境环境中交互式地行动与说话。我们的智能体在 LIGHT（Urbanek 等人 2019）中运行——一个大规模众包奇幻文本冒险游戏，其中智能体通过文本自然语言感知并与世界交互。该环境中的目标采取基于角色的任务形式，由人物设定与动机组成。我们通过对程序化生成额外新颖文本世界与任务进行学习来扩充 LIGHT，从而创建难度稳步增加的课程以训练智能体实现此类目标。特别地，我们根据任务在原始训练分布中的稀有度来衡量课程难度——更易的环境是在未扩充数据集中更可能出现的那个。一项消融研究表明，这种从分布尾部学习的方法带来了显著更高的泛化能力，其通过在对从未见过的任务上的零样本性能来衡量。
引用
@article{arxiv.2110.03262,
title = {Situated Dialogue Learning through Procedural Environment Generation},
author = {Prithviraj Ammanabrolu and Renee Jia and Mark O. Riedl},
journal= {arXiv preprint arXiv:2110.03262},
year = {2022}
}
备注
Camera ready. In proceedings of ACL 2022