探讨了人类和神经网络代理之间新兴通信协议的三个重要现象，包括学习容易性、泛化和群体规模影响，强调了认知和交际限制对语言结构的影响，在神经仿真中引入此类限制将促进更语言上可信的行为。

Apr, 2022

通过对自发交流模型的文献综述，我们确定了塑造语言模型的关键压力：交流成功、效率、易学性和其他心理 / 社会语言因素，并认为这可以为语言习得和语言演化研究的语言模型设计提供启示。

Mar, 2024

研究表明，随着深度人工网络的感知、移动和规划能力的增强，研究人员正在研究它们是否也能发展出共享语言来相互交互，并探讨语言在深度代理人群体中演化及紧急特性的条件，这既有助于理解人类语言进化的过程，也可以让深度网络在日常生活中更加灵活和有用。本文概述了各角度最具代表性的语言演化研究。

Jun, 2020

本文提出了一种基于信息瓶颈的无监督方法，用于探索非常稀疏的多智能体增强学习中的社交通信情境，该方法可以捕捉引用复杂性和任务特定效用，并开发出一种自然语言灵感的信息组成的词汇表，该词汇表独立于一组紧急概念，使其具有极小的位数，同时可以使用社交影子的观测构成，并通过社交影子来学习通信策略。

Feb, 2023

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

本论文通过介绍一个协作的多物体导航任务 CoMON，并研究不同通信机制，分析它们的通信模式，证明了学习出来的通信可以落实于 Agent 观察和环境的 3D 结构。

Oct, 2021

本研究探讨在多智能体环境中，利用关节执行通信的新型通信模式，解决现有符号通信模式不能够解决的一些问题，提出具体的训练改进方案，实现了对新伙伴的协议推广。

Oct, 2020

这篇研究论文介绍了一个理论框架，通过新兴的交流机制（EmCom）来增强可解释的人工智能（xAI），重点是对人工智能模型输出的原因理解。我们探讨了 EmCom 与人工智能系统的新颖整合，从传统的输入和输出之间的联想关系转变为更加微妙、因果性的解释。该框架旨在革命性地改变人们对人工智能处理过程的理解，使其更加透明和可解释。虽然这个模型的初始应用是在合成数据上演示的，但这项研究的影响超出了这些简单的应用。这种通用的方法有潜力重新定义与人工智能的交互，在医疗保健和其他重要领域中实现信任和明智决策。本文讨论了这一方法的理论基础、其潜在的广泛应用以及与越来越数字化的世界对负责任和透明的人工智能系统需求的一致性。

Jan, 2024

通过找出新出现的词和自然语言概念之间的最佳匹配，我们提出了一种评估新兴的通信的组成性的方法，这是第一次提供新出现词和人类概念之间直接可解释的映射。

Mar, 2024

本文探讨了关于 emergent communication 和 language origins 中 compositionality 和 reflexivity 的不同标准，指出了在未来的研究中注重 reflexivity 而非 compositionality 的重要性，并提供了一些有用的参考文献。

Nov, 2019