主要是识别系统act（注意对象，是系统，而非用户，用户的act是NLU勇于识别用户的意图和槽位），表明在限制条件（之前的累积目标、对话历史等）下系统要执行的动作（接下来的策略）

最新进展

模型概述

1.Value Based DPL
经典之作，2009年的研究，k近邻+ 蒙特卡罗算法+ POMDP(部分可观察马尔可夫决策过程)做DPL。

ref:k-Nearest Neighbor Monte-Carlo Control Algorithm for POMDP-based Dialogue Systems

2.Policy Based DPL
端到端任务型对话的开创性工作之一，同时也是代表性工作之一。

ref:A Network-based End-to-End Trainable Task-oriented Dialogue System

3.基于迁移学习的DPL

ref:Transfer Learning for User Adaptation in Spoken Dialogue Systems

总结：
简单总结下，目前DPL相关的论文其实在任务型对话中相对算少的，至少远远少于NLU和DST，很多方法比较久远，而最新的一些方法又容易忽略DPL（毕竟DPL相比DST更容易点），更甚至很多DPL跟DST或NLG已经joint一起训练和学习了。目前主流的方法是（深度）强化学习。
4.Actor Critic DPL

ref:Sample-efficient Actor-Critic Reinforcement Learning with Supervised Data for Dialogue Management

5.Online Training DPL