交流心得(1)

背景：与北邮同学交流之后
收获：
目前RL成功的是用在玩游戏下象棋上，每一步是一个action，比如走一步棋。
而RL用在对话上时，整体架构还是LSTM，LSTM-decoder每一步输出的是一个单词，当输出完毕连起来才是一句完整的agent回复，然后具体来说算loss的时候是每个句子整体+1-1.所以象棋里的一步应该对应decoder整体的一句话。
新的脑洞：
先直接生成未知句子的embedding，然后通过embedding生成回复的语句。至于语句的reward还需要细化。

反馈:
之前看论文确实太不细致；
回看李纪为论文
查找机器翻译的loss是什么样的，