协作教学中的语言变化分析
使用自然語言處理的方式分析了在重複參照遊戲中，設定共同基礎並理解彼此喜好的過程。發現不同的語言配對會發現各種特殊而有效的合作方式，而這些合作方式受到溝通環境的影響。此外還發現人們說話越來越有效率，最終成為包含開放類詞語的簡短標籤。
Dec, 2019
我们研究了一种协作场景，其中用户不仅指示系统完成任务，而且与系统一起行动。我们通过建立一个游戏环境来研究这个场景，并学习将用户的指令映射到系统的动作，以实现误差恢复和多目标指令的显式推理。我们通过新的评估协议和人类用户的交互和在线游戏进行评估，并观察用户如何适应系统的能力。
Oct, 2019
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
本文提出并考虑了合作式语言习得问题，该问题是特殊形式的临时团队协作问题，然后提出了一种概率模型，用于从观察团队语言使用者之间的沟通中推断说话者的意图和听众的语义，该模型基于说话者从事积极信号和监听器展示积极倾听的假设，并说明了可能的说话者传递正确信息的非最优能力，最后讨论了进一步测试和开发此框架的工作。
May, 2023
本文提出了使用深度强化学习进行训练的带有通信能力的智能体在同时进行一系列指称游戏的计算框架，证明了框架反映了自然语言中观察到的语言现象，即语言演化的复杂属性可以不依赖于复杂的语言能力而是可以从视觉感知智能体之间的简单社交交流中产生。
Jan, 2019
通过和计算机交互完成任务，以语言游戏的方式，人类可以在不知道什么是语言的情况下学习语言，为建立自适应的自然语言接口打下基础，使用组合性而避免使用同义词有助于任务表现，从零开始快速学习语义解析模型，并进一步加速的学习计算机策略，以适应成功的玩家。
Jun, 2016
通过 Tandem 协作的方式进行第二语言学习，L2L 系统记录对话信息并采用个人对话波动性措施评估学生在对话中的贡献度。通过对 86 次 Tandem 通话进行分析，发现学生的参与度与所讨论的话题难度相关。
Jun, 2022
本文提出了一种基于多智能体交互通信的语言学习框架，在指代游戏的上下文中研究了这种学习方法，通过联系人工智能代理人彼此通信以识别随机图像，在通过调整游戏环境来提高代理人交流的自适应语言结构，并为代理人的代码提出简单的系统，从而使其更好地恰当地通信，并能更有效地与人类沟通。
Dec, 2016
本研究介绍了一种自动检测共享词形构造的方法，并将其应用于参与者旨在识别没有既定标签的新颖对象的指代交流语料库，分析揭示了共享构造的使用模式与参与者在社交互动后展示的对象标记一致性程度相关的特征，从而表明自动检测的共享构造为研究对话中的参考协商动态提供了有用的分析层面。
May, 2024