In this work, we present a simple yet better variant of Self-Critical Sequence Training. We make a simple change in the choice of baseline function in REINFORCE algorithm. The new baseline can bring better performance with no extra cost, compared to the greedy decoding baseline.

中文翻译：

---

自我批评序列训练的更好变体

在这项工作中，我们提出了一种简单但更好的自我批评序列训练变体。我们在 REINFORCE 算法中对基线函数的选择做了一个简单的改变。与贪婪解码基线相比，新基线可以在不增加成本的情况下带来更好的性能。