连续五天,ACL 2020 清华 CoAI 系列解读!

 人工智能技术     |      2020-05-15 16:08

疫情之后,“旧的世界”将不复存在

线上直播将成为学术交流的重要形式

2020年4月3日,NLP 顶会 ACL 2020 公布录用论文之后,AI科技评论相继与哈工大、复旦大学联合举办两期「ACL 系列解读」直播活动,受到广大师生的好评。

第一期:ACL 2020 - 哈工大 SCIR 系列解读

第二期:ACL 2020 - 复旦大学系列解读

在此基础上,我们在此联合清华大学交互式人工智能课题组(Conversational AI, CoAI)推出第三期实验室系列解读直播活动——「ACL 2020 清华大学CoAI 系列论文解读」。

交互式人工智能课题组(Conversational AI, CoAI)隶属于清华大学计算机系人工智能实验室,由我国NLP领域的著名学者朱小燕教授、黄民烈副教授联合指导,主要从事机器学习与自然语言处理的应用基础研究,研究方向包括深度学习、强化学习、问答系统、对话系统、情感理解、逻辑推理、语言生成等。

在本届 ACL 会议中,CoAI实验室共有三篇长文、一篇 Demo 录用,此外还有两篇被 TACL 录用并将在 ACL 2020 展示。这些论文分别包括故事生成、阅读理解、对话以及相关数据集等的研究工作。

为促进学术交流,让更多师生及时了解最新前沿研究,AI科技评论联合清华大学CoAI,重磅推出「ACL 2020 清华大学CoAI 系列论文解读」。我们将在5月6日-10日,连续5天进行 5 场直播,全面覆盖清华大学CoAI课题组在ACL上相关的全部工作。

系列解读活动简介如下,欢迎届时关注。

主题一:多智能体对话策略学习

时间:2020年5月6日(周三)晚20:00整

论文:Multi-Agent Task-Oriented Dialog Policy Learning with Role-Aware Reward Decomposition

主讲人:高信龙一

摘要:近年来,许多研究都采用用户模拟器来获得大量的模拟用户体验,以满足强化学习算法在对话策略中的训练。然而,建模一个逼真的用户模拟器是具有挑战性的。为了避免构建用户模拟器,我们提出了多智能体对话策略学习法,将系统和用户均视作对话代理联合学习,并提出了混合价值网络用于角色感知的奖励分解,以整合各代理在任务导向型对话中角色特定的领域知识。


  • 共3页:
  • 上一页
  • 1
  • 2
  • 3
  • 下一页