2017年12月15日,星期五

NIPS广东11选五开奖号码查AI研讨会

我只参加了NIPS 广东11选五开奖号码查人工智能研讨会,因此我的想法仅限于此。我真的很喜欢研讨会的副标题:“今天的实践和明天的潜力”。因为我在一个产品团队中尝试构建实际上有效的聊天机器人,所以它给我的印象恰到好处。

一些演讲与 Alexa奖。阅读这些论文时,请记住,参赛者会受到极端的样本复杂性约束。半决赛入围者大约进行了500次政策广东11选五开奖号码查,而决赛入围者则不到10倍。这是因为1)Alexa聊天功能不是设备的主要用途,因此并非所有最终用户都参与其中; 2)他们必须将聊天内容分发给所有参赛者。

样本复杂度约束的结果是“对方差的偏见”, as 我之前讨论过。在Alexa奖中,这意味着获胜者拥有“在大多数人为指定的底物上学到了混合物。”换句话说,(稀少的)政策数据仅限于调整混合权重。 (MILA团队的基础知识在论坛数据上未经监督地进行了培训,但是看起来其他基础知识可以提供最大的好处。)广东11选五开奖号码查中普遍存在示例复杂性约束,但是比赛的条件比我要极端得多。在实践中遇到,因此,如果您发现自己拥有更多的策略数据,请考虑更积极地使用。

说到样本复杂性约束,我们发现了关于MT任务的预训练表示 VE 在实践中对多个任务非常有效。我们现在在玩 ELMo风格 使用语言建模作为预训练任务进行预训练(非常有前途:不需要并行语料库!)。

我在研讨会上注意到的另一个与样本复杂性相关的主题是功能角色动态的使用。粗略地说,这是在与主题无关地对广东11选五开奖号码查框的结构进行建模。一旦主题被抽象,学习什么是结构合理的广东11选五开奖号码查的样本复杂性就显得很低。 狄德瑞克森(Didericksen)等。等 将纯结构化的L1模型与简单的局部敏感L2(tf-idf)结合起来,构建了基于检索的广东11选五开奖号码查模拟器。类似地,他们提交了Alexa奖, 塞尔班(Serban)等。等 从观察数据中学到了一个广东11选五开奖号码查模拟器,该广东11选五开奖号码查模拟器仅利用功能角色和情感信息,然后应用了Q学习:就某些指标而言,这比政策外强化更为有效。

总体而言,尽管当前广东11选五开奖号码查系统的性能不佳,但研讨会给了我足够的乐观感,可以继续进行操作。