基于连续世界的自主代理人群体中的稳健与适应性语言约定的分散出现
内容提要
该文综述多智能体通信与语言涌现研究：智能体可通过指称游戏和社交交互自发形成组合语言，非语言交流在通信受限时出现；交互式学习、互信息自监督和语言模型约束可提升共同语言的一致性与可理解性；人类协作中逐渐形成简洁指称与概念抽象；大型语言模型可辅助人机协同规约，性能平均提升15%。
延伸解读
语言涌现不依赖复杂能力
文章指出，语言演化的复杂属性可以不依赖复杂的语言能力，而是从视觉感知智能体之间的简单社交交流中产生。这意味着，通过指称游戏等基础交互，智能体就能自发形成组合语言，为理解自然语言起源提供了简化路径。
非语言交流是通信受限的补充
当语言交流不可用时，智能体会出现指向和引导等非语言交流方式。这表明通信系统具有适应性，在语言通道受阻时会转向其他信号。对于多智能体系统设计，需考虑通信失败时的备用交互机制。
训练约束提升共同语言一致性
互信息自监督和语言模型约束能提升共同语言的一致性与可理解性。例如，最大化消息与轨迹的互信息可加速学习并产生更一致的语言；引入语言模型和视觉约束能避免语言漂移，保留语法同时准确传达信息。这些方法为构建稳健通信协议提供了技术手段。
人机协同规约的实践价值
大型语言模型可辅助人机协同规约制定，通过问题分解、多会话和人类反馈等策略，与人类偏好更一致，性能平均提升15%。这显示语言模型在协调人类与AI方面具有实用潜力，但需注意其效果依赖于反馈机制和任务设计。
Q&A
多智能体群体中如何自发产生组合语言？
通过指称游戏和社交交互，智能体可以自发形成组合语言，而不需要复杂的语言能力。
当语言交流不可用时，智能体之间会采用什么交流方式？
会出现指向和引导等非语言交流方式。
如何提升多智能体共同语言的一致性和可理解性？
可以通过交互式学习、互信息自监督和语言模型约束来提升共同语言的一致性与可理解性。
人类在协作中如何形成简洁的指称和概念抽象？
人类通过逐渐使用更高级别的指称表达，提供越来越简洁的指示，从而达成共享过程中的概念抽象。
大型语言模型如何辅助人机协同规约？
大型语言模型可以开发协同规约，通过问题分解、多个新会话和人类反馈等策略，有效引导人类与人工智能之间的协调，性能平均提高15%。
在多智能体通信中引入语言模型和视觉约束有什么作用？
可以有效避免非语言性的奖励对预训练代理产生的语言漂移，使代理在保留英语语法的同时学会准确传达信息。
