合作交流在人类认知、语言、发展、文化和人机交互理论中发挥着核心作用，本文提出了一种采用最优传输理论建立数学框架的新模型，证明了合作交流能够促进有效、鲁棒的信念传播，从而解释了人类学习的奇迹，并改进了人机交互。

Oct, 2019

研究了合作推理的基础理论，提出了一种新方法 SCBI 来分析一致性，收敛率和稳定性，并表明合作对于特定情况不仅是可能的，而且从理论上讲在一般情况下也是可行的，以及探讨了人类之间和人机之间合作的意义。

Feb, 2020

本文介绍了利用信息论框架扩展到多跳网络研究的方法，构建了一种新的确定性模型，通过此模型，对多层网络进行了最大吞吐量的线性优化问题的探讨，并研究了反馈（feedback）在多层网络中的作用。结果表明，适当反馈可以提高传输效率，为协同合作提供基本指导。

May, 2015

多智能体系统中的信息交流在部分可观察环境中提高智能体之间的合作，本文考虑了基于有限和不可靠信道下智能体的合作通信，通过提出一种基于独立 Q 学习的新型通信方法，智能体可以动态适应信息共享的量，从而根据本地观察和信道特性发送不同大小的消息，同时智能体学习编码和解码消息以提升共同训练的策略，在合作式数字预测环境中，我们展示了相比于没有自适应能力的方法，我们的方法表现更好，并讨论了其在交通路口环境中的局限性。

Nov, 2023

提出了 Individually Inferred Communication 模型，通过因果推断学习通信先验，并利用前馈神经网络实现代理之间的通信。该模型成功地减少了通信开销并提高了多种多代理合作场景中的表现。

Jun, 2020

我们提出了一个合作训练框架，用于深度神经网络架构，使得运行时的网络深度可以根据动态计算资源需求进行调整。

Dec, 2023

本文基于主动推断的认知框架提出了一种新颖的多智能体合作联合行动的计算模型，并通过两个模拟实验验证了该模型的有效性。

Oct, 2022

本文提出了一种基于任务导向的通信方案以减少多设备合作边缘推理中的通信开销与延迟，并通过信息瓶颈原理提取与任务相关的特征并采用分布式信息瓶颈框架来对分散的特征进行编码。通过对多个设备传输的信息进行冗余性分析并采用可变近似来解决计算的复杂性问题，该方案比基线方法更好地平衡了传输效率与推理能力的关系。

Sep, 2021

本文提出了基于形式化定义的 Edge-PRUNE 分布式计算框架，旨在为容错协作推断提供灵活的基础设施。实验结果显示了通过协作推断实现的可行推断时间节省及其花费。

Jun, 2022

本文提出了一种信息论共同训练目标，用于无监督学习，着重研究测量 “过去感觉” 和 “未来感觉” 之间的相互信息。该目标训练预测模型和确认模型，以匹配 “过去感觉和未来感觉” 之间的相互信息。

Feb, 2018