本文提出一种正式的框架，介绍了衡量概率和合作信息传递有效性的新指标，证明了能够实现最佳合作推理的条件，并展示了这些原则如何指导机器学习算法的设计以及对人类和机器学习的影响。

May, 2017

人机交互中的一个重要问题是何时决定通信，特别是在合作任务中；感知控制理论表明，代理能通过共享相同的意图在合作任务中协作，但对于包含局部最小值的任务，至少有一个代理在适当时刻调整意图通过适时的通信，协调动作，在复杂的搜索空间中实现全局解。

Jul, 2023

研究如何使用自然语言来协同解决物理装配问题，结果表明，参与者通过使用更高级别的指称表达逐渐提供越来越简洁的指示，从而达成了共享过程中的概念抽象，这为智能体之间的共同程序化抽象的协调提供了归纳偏见的启示。

Jun, 2021

该研究介绍了计算机模拟在语言演化、认知科学、机器学习、机器人等领域的应用，提出了几种代表性模型的论点和已知结论。研究发现一些假设和方法限制了模型的成功，认为应重视身体和环境对智能体的影响，并以此为基础，提出了将符号系统建立在行动、知觉以及抽象系统的想法。

Mar, 2023

介绍合作博弈理论的概念，分类讨论了基本组合博弈、联盟形成博弈和联盟图博弈三类，旨在帮助通信和网络工程师理解和分析联盟博弈理论的应用，以解决未来通信网络中节点的行为互动问题。

May, 2009

该研究探讨了几颗子任务的语言协调，通过群体与不同的语言能力代理进行快速交流，提出了使用 ToM 建立代理人之间交流的重要性，实验表明使用 ToM 建立指令可以更好地执行交流任务。

Jul, 2021

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

研究团队通过对动物沟通的洞察提出了一个低带宽至高带宽的通信光谱，通过研究追逐与逃脱的游戏，确定了多智能体强化学习算法作为低带宽通信的计算模型。

Nov, 2020

本研究探讨了人工智能代理的紧急沟通现象以了解其语言演化，发展出能够与人类有效沟通的人工智能系统，发现代理人在不同网格环境下进行合作导航任务时，学习了解释性的沟通协议，使其能够高效地解决任务，分析了代理人的策略，发现紧急信号在空间上聚集在一起，信号指向特定的位置和空间方向，如 “左”，“上” 或 “左上房间”，使用代理人群体，我们展示了出现的协议具有基本组合结构，从而表现出自然语言的核心属性。

Apr, 2020

建立能够有效与人类协作的机器一直是人工智能领域的长期目标。在存在不确定性的情况下，实现最佳合作通常需要人类和人工智能代理模拟彼此的行为，并利用这些模型推断潜在目标、信念或意图，这可能涉及多个层次的递归。我们提倡一种新的主动学习范式，利用人类作为主动数据源，同时考虑到他们的更高级别的能动性。此外，我们提供了一个使用高阶认知模型进行主动学习的实际示例。伴随着一个计算研究，突出了这个模型产生的独特行为。

Jan, 2024