子词作为技能：稀疏奖励强化学习的分词器
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的动作框架，将会话代理的动作空间视为潜在变量，并开发无监督的方法从数据中诱导其自己的动作空间。实验结果表明，该方法在 DealOrNoDeal 和 MultiWoz 对话上实现了更好的实证绩效改进。
🏷️
