摘要： 任务型对话中的开源系统 本文使用SL（监督学习）来监督每个模型部件的学习，同时RL（强化学习）做end to end的训练。虽然是End2End的方法，但是还是单独设计模型的部件，不同部件解决Pipeline方法中的某个或多个模块。 原文地址： https://arxiv.org/abs/1703. 阅读全文