随着智能对话系统在我们的日常生活中变得越来越重要，作为智能对话系统最重要的组成部分之一的空位填充引起了老虎机学术界和工业界的广泛关注。尽管单领域学习范式在填补空缺方面取得了许多进步，但利用不同领域的资源来促进目标领域的学习仍然是一个挑战。与之前用空位元信息补充序列标记模型的方法不同，我们首次将定位器跨域空位填充作为机器阅读理解（MRC）问题来解决，其中空位值的提取被视为一个问答过程。

    在上述框架中，我们提出了水果机静态和动态的问题生成机制，它们在不同的跨领域背景下具有互补作用。此外，我们设计了一种动态问题生成方法，可以同时为一个槽生成多个值。最后，我们构建了一种预训练和微调训练方法，使我们能够通过利用MRC来改进学习；的资源。我们对fou进行了广泛的实验。Kahneman和Tversky的前景理论指出，除其他外，损失远大于收益。尽管这个简单的想法已经产生了很多研究，但遥控器关键问题仍然存在。迫在眉睫的更大影响的损失有多根本：它会在比之前测试的更微小的情况下出现吗？

    它会以隐含的关联表现出来吗？主要损失或收益的实际经验如何影响迫在眉睫的更大影响？在两个采用非传统方法的捕鱼机实验中，参与者体验了老虎机旋转，其中符号与增益、损失和中性结果配对。在经历了这些配对之后，参与者进行了内隐联想测试。在实验1中，由老虎机的最低体验形成的隐含关联是不平衡的：与损失符号的负关联比与增益符号的正关联更强。此外，研究发现，损失看起来更大的程度取决于老虎机体验的背景，其中损失比收益更大——大多数情况下，当损失数量较少时（参与者经历了净收益），而当损失是主要结果时（参与者体验了净损失）。最后，在上分器实验中，排除了一个潜在的人工制品，并通过表明无论是从赌场玩家还是赌场所有者的角度来看，老虎机的损失都会隐含地变得更大来获得复制。