尝试将强化学习（RL）技术迁移至两类 NLP 任务，均取得显著效果提升。
任务一：封闭式语义判别（分类场景）
判断文本中特定实体是否属于预定义类别集合（如 3C 行业品牌识别），以下是一个例子
prompt：
以下出现的华为是否为 3C 行业品牌？
输入：刘德华为新剧做宣传。
label：不是
任务特性：
- 输出空间有限（离散的分类标签）
- 依赖实体上下文语义表征
- 基于规则奖励函数设计
任务二：开放式策略生成（主观分析场景）
prompt： 以下是青年置业困难的调查数据，
- 整体： 资金不足 40.4%，知识匮乏 23.9%，未来不确定性 21.7%
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
