Optimizing multi-domain task-oriented dialogue policy through Sigmoidal Discrete Soft Actor–Critic

2026-08-05

0

PRE

AI

DOI：10.1016/j.csl.2026.102039

原文求助

摘要

En 中文

• 基于强化学习的面向任务对话策略优化框架。 • 多轮对话系统中的稳定性和鲁棒性提升。 • Soft Actor–Critic (SAC) 在结构化动作空间中的扩展。 • 通过一种新型公式化方法缓解离散 SAC 中的低估偏差。 • 基于 sigmoid 的策略参数化方法以改进探索和决策制定。

Keyword:

Task-oriented dialogue systems

Dialogue policy optimization

Reinforcement learning

Soft actor–critic

Discrete action spaces

Sigmoidal policy

Off-policy learning