DECIDER: 一种基于模仿双系统认知理论的规则可控解码策略

本文介绍了一种创新的控制解码的强化学习方法，通过前缀评分器引导生成以实现高回报结果。实证研究表明该方法在Reddit会话语料库上非常有效，并且具有模块化性，能够解决多目标强化学习问题。此外，该方法还可以以创新的分块方式在推断时间应用，填补了最优$K$策略和标记级强化学习之间的差距。