对话系统论文集（18）-GAN+A2C

**问题：**解决reward稀疏问题

**背景：**提出SL先训练；使用intrinsic reward。

**创新点：**将discriminator作为intrinsic reward，即critic的一部分，在每次动作时，有本来critic给出和现在critic给出的结果。

实现细节：

效果提升很高。
未来展望，加快policy的收敛速度，测试在更复杂的对话任务上的表现。