Guided Dialogue Policy Learning without Adversarial Learning in the Loop
32271Related Entities
Соперничающее Обучение
Method
Политика диалога
Material
Локальные оптимумы
OtherEntity
Коллапс моды
OtherEntity
Градиент политики
Method
REINFORCE
Method
Обучение с подкреплением
Method
Функция вознаграждения
Method
Коэффициент успеха задачи
Metric
Симулятор пользователя
Material