Transformer是Google的研究者在2017年《Attention Is All You Need》论文中提出的用于seq2seq任务的模型，它没有RNN的循环结构或CNN的卷积结构，在机器翻译等任务中取得了一定的提升。 主要的motivation在于RNN、LSTM、GRU类的序列结构中的固有顺序属性阻碍了训练样本之间的并行化，对于长序列，内存限制将阻碍对训练样本的批量处理。 Tran

SUMBT: Slot-Utterance Matching for Universal and Scalable Belief Tracking论文阅读笔记SUMBT: 槽-话语匹配的对话状态跟踪器，用来进行通用和可扩展的信念跟踪

需求：如果使用beyond compare等工具做diff还是有时候有些不方便的，或者说不够灵活。可以在macOS或者Linux系统中直接使用语句进行diff操作，并且在这里补充了一些关于zsh配置和colordiff的说明。

学习一些中文论文来大概理解下DST这个任务： Reference: 郑正凯. 基于深度学习端到端的对话状态跟踪研究[D].山东大学,2021.

ConvLab-2.ipynb ConvLab-2是一个开源工具包，使研究人员能够使用最先进的模型构建面向任务的对话系统，执行端到端评估，并诊断系统的弱点。作为ConvLab的继承者，ConvLab-2继承了ConvLab的框架，但集成了更强大的对话模型并支持更多的数据集。此外，作者还开发了一个分析工具和一个交互式工具，以帮助研究人员诊断（diagnosing）对话系统。 从这里学习一些对话系列的

主要记录了通过了解数据集作为对DST任务的入门，MultiWOZ数据集是适用于任务型对话系统的数据集，目前看了一遍这个简介后还是不太明白，感觉还需要各种渠道多了解下 Reference： 任务型对话系统数据集详解大全（MultiWOZ /DSTC） https://zhuanlan.zhihu.com/p/200747822

何老版推荐的github.io+hexo好用啊 个人代码管理+笔记博客什么的都可以写在github这里了 主要写了hexo + github.io的双分支部署说明和步骤，以及本地运维和新建修改，切换主题等操作。