Paul Duvall recently discussed his library of engineering patterns for AI assisted development and practices that ground high quality delivery. Related discussions from Paul Stack and Gergely...

本文介绍了一种基于策略优化的强化学习算法，该算法通过比较反馈来推断奖励函数，不需要先验知识。研究发现，少量人类反馈足以获得良好的性能。算法在线性和神经函数逼近两种情景下提供和分析了。

本文介绍了一种基于SLU度量标准的非可区分序列损失作为语义误差的代理，并使用REINFORCE技巧训练ASR和SLU模型的方法。作者在开放SLU数据集上展示了自定义序列损失训练的最新技术水平，并在大型专有数据集上显示了6%的相对改进。同时，作者还展示了如何使用语义反馈单独更新ASR和SLU模型。