about

Sih对ACL2020中NLU研究方向的总结，关于NLU中的研究点，欢迎小伙伴一起讨论idea～ 1. 方向总结1) 优化NLU的结构化表示 Recursive Template-based Frame Generation for Task Oriented Dialog Coach: A Coa

ACL2020 概览目前放出的几篇文章——sih出品，转载请注明出处。 （也放在了知乎一份，滴～传送门在这里，欢迎关注我的知乎呀～） https://zhuanlan.zhihu.com/p/127062292 Generating Hierarchical Explanations on Text

目前对Curriculum Learning的研究进展 会议：ACL 2019 Sentence Level Curriculum Learning for Improved Neural Conversational Models Simple and Effective Curriculum P

Abstract在现实世界中自监督预测的好奇心驱动的探索，能够提供给agent的奖励非常少，或者根本不存在。在这种情况下，好奇心可以作为一种内在的奖励信号，使agent能够探索环境并学习可能在以后的生活中有用的技能。本文把好奇心表述为一个agent在视觉特征空间预测自身行为结果的能力时的误差，并把这

创新点： Adversial learning + Orthogonality Constraints Abstract 背景： 神经网络模型已经表明了它们在Multi-task Learning中的广阔前景，其重点是学习共享层以提取公共的和随不同任务不变的特征。 存在的问题： 但在大多数现有方法中