聊天机器人在与受信任的用户聊天时可以学习还是忘却
Can chatbots learn or unlearn while chatting with trusted users
像 [Rasa] 这样的聊天机器人能否向 受信任的 用户学习 - 新的额外员工、产品 ID、产品类别或属性 - 或者在这些实体不再存在时忘记学习？
或者我必须经过正式的数据收集、培训课程、测试（置信度 > 给定比率），然后才能使新版本投入使用。
如果您的实体值正在根据有效值的移动列表进行检查，则根据始终保持最新的数据库检查这些值更具可扩展性（例如，您的后端系统可能有一个可查询的当前列表）雇员）。然后，如果用户提供了一个过去有效但现在无效的值，它的行为将与用户最初提供无效值的行为相同。
这样一来，无论某些训练示例是否不相关，实体提取都可以保持不变——当然，尽量让您的数据保持最新总是好的！
很多聊天机器人没有这样的功能。除了像 Alexa 这样的高级应用，关键字“Remember”在 2017 +/- 可用。用户希望 Alexa 记住某些事实。
恕我直言，这样的特征是“智能”的标志。在 ML 系统中实现并非易事，在这些系统中，神经网络模型中的系数在通过学习示例后通过反向传播进行更新。基于规则的系统（例如 CHAT80，一个关于地理的 QA 系统）将它们的知识存储在可以更透明地更新的关系中。
像 [Rasa] 这样的聊天机器人能否向 受信任的 用户学习 - 新的额外员工、产品 ID、产品类别或属性 - 或者在这些实体不再存在时忘记学习？ 或者我必须经过正式的数据收集、培训课程、测试（置信度 > 给定比率），然后才能使新版本投入使用。
如果您的实体值正在根据有效值的移动列表进行检查，则根据始终保持最新的数据库检查这些值更具可扩展性（例如，您的后端系统可能有一个可查询的当前列表）雇员）。然后，如果用户提供了一个过去有效但现在无效的值，它的行为将与用户最初提供无效值的行为相同。
这样一来，无论某些训练示例是否不相关，实体提取都可以保持不变——当然，尽量让您的数据保持最新总是好的！
很多聊天机器人没有这样的功能。除了像 Alexa 这样的高级应用，关键字“Remember”在 2017 +/- 可用。用户希望 Alexa 记住某些事实。
恕我直言，这样的特征是“智能”的标志。在 ML 系统中实现并非易事，在这些系统中，神经网络模型中的系数在通过学习示例后通过反向传播进行更新。基于规则的系统（例如 CHAT80，一个关于地理的 QA 系统）将它们的知识存储在可以更透明地更新的关系中。