五一结束，系列直播再次开启！

近年来，许多研究已经应用强化学习来训练对话策略并显示出巨大的希望。一种常见的方法是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。

但，建模一个逼真的用户模拟器是具有挑战性的。  

基于规则的模拟器需要复杂领域的专业知识，而数据驱动的模拟器则需要大量数据，甚至不清楚如何评估模拟器。

为了避免事先明确地构建用户模拟器，清华大学黄民烈团队（CoAI课题组）在发表于ACL 2020 上的长文《Multi-Agent Task-Oriented Dialog Policy Learning with Role-Aware Reward Decomposition》中提出了多智能体对话策略学习法，该系统将系统和用户都视为对话代理。

两个主体相互交互，并且同时联合学习。该方法使用行为者批判框架来促进预训练并提高可伸缩性。  

作者还提出了混合价值网络，用于角色感知奖励分解，以在面向任务的对话中整合每个代理的角色特定的领域知识。

结果表明，该方法可以成功地同时建立系统策略和用户策略，并且两个代理可以通过会话交互获得较高的任务成功率。

论文链接： https://arxiv.org/pdf/2004.03809.pdf

---

AI 科技评论邀请论文一作 高信龙一 来给我们详细讲解其研究过程及细节。

主题：多智能体对话策略学习

主讲人： 高信龙一

清华大学计算机系2019级硕士生，交互式人工智能组（CoAI）成员，师从黄民烈教授。主要研究方向为对话系统、推荐系统与强化学习。已在ACL、EMNLP、WWW等顶级会议上发表数篇论文。

时间： 2020年5月6日（周三）晚20:00整

分享提纲：

1．对话策略学习的任务背景

2．对话策略研究的最新进展与挑战

3．基于多智能体强化学习的对话策略学习与奖励分解

更多直播：

ACL 2020原定于2020年7月5日至10日在美国华盛顿西雅图举行，因新冠肺炎疫情改为线上会议。为促进学术交流，方便国内师生提早了解自然语言处理（NLP）前沿研究，AI 科技评论将推出「ACL 实验室系列论文解读」内容，同时欢迎更多实验室参与分享，敬请期待！

点击"阅读原文"，直达“ACL 交流小组”了解更多会议信息。