還記得我們前面介紹的NLU和DST嗎？
它們就像是Chatbot的耳朵和大腦，幫助它理解和記憶對話內容。

但是，一個真正優秀的對話者不僅要會聽，還要懂得如何制定戰略，在對話中攻守自如。這就是我們今天要介紹的DPL(Dialogue Policy Learning)！

想象一下，你走進一家餐廳，跟服務生說：「我想吃些清淡的。」
沒有DPL的Chit-chat Chatbot可能會直接推薦沙拉，甚至會直接問你「你怎麼了？」、「是想要減肥嗎？」等閒聊式對話。這些對話，雖然有達成連貫性，但卻沒辦法完成用戶的需求。

在任務導向對話中，我們希望Chatbot能依據我們的建議來為我們點餐或完成訂位

而DPL就不同了，它會依據資料庫查詢的結果，來決定如何回覆。
我們一樣以「我想吃些清淡的。」做舉例，
若DST認為清淡是重要資訊，DPL會將清淡進行查詢，並將查詢結果視為一對話狀態，
最後決定要回覆的意圖，並與查詢的結果進行合併輸出。

在我看來，過去的DPL其實跟現在LLM常用的檢索生成(Retrieval Augmented Generation，RAG)很類似，差別是RAG使用Embedding來做資料庫搜索，而DPL則大多使用傳統資料庫檢索。

明天，我們來實作幾種DPL方法。

Reference.
A Deep Dive into Retrieval Augmented Generation (RAG)