基于集体反思的多智能体强化学习框架,用于面向任务的对话策略学习

《Neural Networks》:Collective Reflection-Based Multi-Agent Reinforcement Learning Framework for Task-Oriented Dialogue Policy Learning

【字体: 大 中 小 】 时间:2026年05月19日 来源:Neural Networks 6.3

编辑推荐:

  凯旭 | 王振宇 | 赵洋洋 | 方博鹏亮点:•一个多智能体框架,利用辅助智能体通过集体智能获取用户意图级别的反馈,从而提升系统的可扩展性。•辅助智能体与主智能体之间的协作,避免了针对特定任务的超参数调整,并减少了次优行为对策略学习的影响。•在三个以任务为导向的对话数据集上的表现

  
凯旭 | 王振宇 | 赵洋洋 | 方博鹏
亮点:
  1. •
    一个多智能体框架,利用辅助智能体通过集体智能获取用户意图级别的反馈,从而提升系统的可扩展性。
  2. •
    辅助智能体与主智能体之间的协作,避免了针对特定任务的超参数调整,并减少了次优行为对策略学习的影响。
  3. •
    在三个以任务为导向的对话数据集上的表现,分析了智能体数量和类别的影响。与强大的基线模型相比,展示了更优的结果,证实了该框架的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号