摘要：无奖励对话政策模仿学习框架：一种无需注释对话数据或手动设计奖励即可训练对话政策的方法
作者：Zhenduo Wang, Zhichao Xu, Qingyao Ai
论文ID：2304.07988
分类：Information Retrieval
分类简称：cs.IR
提交时间：2023-04-18
PDF 下载： 英文版 中文版pdf翻译中