一、技术背景：为何选择深度强化学习？ 传统聊天机器人多采用基于规则的模板匹配或监督学习模型，存在两大核心痛点：其一，规则系统难以覆盖复杂语义场景，维护成本随规则数量指数级增长；其二，监督学习模型依赖……
