- 0
- 0
- 约3.54万字
- 约 22页
- 2026-11-18 发布于北京
- 举报
生成:基于强化学习与神经语言模型的研究
玛塞拉・辛迪・塞蒂奥
计算机科学系
斯坦福大学
mcp21@stanford.edu
穆斯塔法・阿卜杜勒
计算机科学系
斯坦福大学
moose878@stanford.edu
卡森・林
生物医学信息学系
斯坦福大学
carsonl@stanford.edu
神经机器翻译(NMT)在语言翻译领域已展现出令人瞩目的成果。然而将
NMT应用于生成仍远未达到理想效果,这一课题目前仍是活跃研究的前沿领
域。学习生成的响应要么缺乏连贯性,要么过于泛泛,导致索然无味,无法
支撑智能体进行长期有吸引力的交流。这种对长期规划的需求促使NLP研究者借
鉴强化学习原理。本文研究了的改进方法:将NMT重构为接收序列到响
应序列(seq2seq)的智能体。为激励智能体生成有趣且引人入胜的,
我们采用强化学习的策略梯度方法对seq2seq模型进行更新。通过模拟智能体间
环境,我们研究了语义连贯性、信息流畅度和回答便捷度等函数对
质量的作用,并基于n‑gram重复率等语言多样性量化指标评估模型性能。实
验表明,在Cornell数据集和Reddit数据集上训
您可能关注的文档
最近下载
- TCECS-低碳铁路客站技术规程.docx
- 架构分析-一个亟需理论澄清的领域.pdf VIP
- 保安员应知应会测试题(含详细答案).docx VIP
- 认知障碍居家康复管理中国专家共识2026解读.pptx VIP
- 人教版三年级上册100道口算题(全册完整版).pdf VIP
- 公路水运工程施工安全风险评估指南 第1部分:总体要求(JT/T1375.1-2022).pdf VIP
- DL T5161.1表5.0.2 (分部工程名称)分部工程质量验收表.doc VIP
- 2026-2027-1 形势与政策课 时事报告版 专题三 人工智能:一个划时代的重大技术变革 笔记.docx VIP
- 电视柜设计工艺指导手册.pptx VIP
- 2026年国务院物业管理条例(全文).docx VIP
原创力文档

文档评论(0)