知识卡片

普通读书笔记卡 · 2703.f

奖励定义对话

理解等级:未标注

把强化学习用于对话,系统会在不同状态下选择动作,以最大化奖励为目标。所以关键在奖励怎么定义:找到真正反映用户满意度的评价标准作为优化目标,是产品经理要协助技术团队解决的问题。奖励定义偏了,系统就会去优化容易量化、却偏离用户真实目标的指标。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《人工智能产品经理:人机对话系统设计逻辑探究》第4章《智能交互技术》(源文件:_epub-src/OEBPS/text00008.html) - 结论依据:原文说明强化学习以马尔可夫决策过程为基础,核心四元组为状态、动作、奖励、转移,目标是寻找最大化奖励的动作策略;强化学习的关键是设计奖励机制,找到真正反映用户满意程度的评价标准作为优化目标,是产品经理需协助技术人员解决的问题。 - 原始内容:马尔可夫决策过程的核心是一个四元组:状态、动作、奖励、转移。……强化学习的关键是设计奖励机制,如何找到真正可以反映用户满意程度的评价标准,并将其作为强化学习算法的优化目标,是产品经理需要协助技术人员解决的问题。