hierarchical-representation

CAMMAR引入了一个表示学习框架，通过分阶段的语义课程将阿拉伯语隐喻意义组织成嵌套的词汇、文化和隐喻子空间，在一个新的跨度标注数据集上实现了强大的隐喻检测（AUC高达0.84）。

本文提出了一种用于强化学习的性能驱动的状态抽象方法，直接优化决策质量，采用多时间尺度框架共同调整策略和树状结构抽象。该算法基于Q值差异细化或聚合状态空间，相比基线实现了更好的样本效率和更快的重新规划。