该研究发现，在使用神经网络代理进行迭代语言学习的近期模拟中，并不存在诸如词序或屈折等表达句法结构的不同策略间的权衡。然而，这一研究发现在考虑到偏向于高效传达、不系统的输入语言和学习瓶颈等三个因素后得到了重新评估，并发现神经网络代理主要努力保持学习期间观察到的话语类型分布，而不是发展更高效或系统化的语言。

Apr, 2021

本研究提出了一种利用消息量化实现离散通信的方法，可以实现优于其他基于强化学习算法或 Gumbel-softmax 的连续逼近的多种设置下的性能，并为深度学习时代下的多代理通信提供更广泛的视角。

Nov, 2022

通过使用深度 Q 学习，研究了多智能体强化学习在具有连续通信通道时的应用，发现基本组合特性会在学习的语言表示中出现。噪声在传达未经历过的概念组合时很重要，引入有倾向性的护理者可以使得新的交流创造出一种更有意义的基础语言。这个研究为深度强化学习与多智能体系统的进一步相关研究提供了平台。

Nov, 2021

通过玩转指代博弈，研究者们发现使用可微分方式（ST Gumbel-softmax estimator）的强化学习方法能够有效地解决学习沟通的问题，从而使得交互遵循自然语言的组成性和可变性。

May, 2017

本文研究了在语音语言建模中，离散与连续表示的作用，结论表明离散化具有重要作用，并在 HuBERT 特征上训练了语言模型，在 Zero Resource Speech Challenge 2021 中实现了最新的语言词汇、句法和语义方面的最佳表现。

Mar, 2022

本文研究了智能代理在协调、学习中的作用，提出了一种基于信息传递的优化方法，通过实验表明该方法可以增强现有的分散式训练方法，具有推广应用的潜力。

Mar, 2021

研究使用自我监督学习的方法，通过最大化给定轨迹信息的消息之间的互信息，使用一种新的视角诱导出一个共同语言，在通信关键的环境中取得了更好的学习表现和速度，以及学习出比现有方法更一致的共同语言，而且不需要引入额外的学习参数。

Mar, 2022

通过多智能体加强学习技术学习通讯协议和行动协议，智能体们能够决定共享哪些信息，并通过文中的实验证明，智能体们使用平均信息编码器，并结合指数和对数函数的组合来避免应用平均信息编码器后的重要信息丢失。

Aug, 2023

研究多智能体强化学习中新兴通信的交流方式，利用归纳偏差对连续信息的出现做出新增， 然后分别对离散和连续信息的增强学习或结合运用归纳偏差对两个娃玩具环境下的协商和序列猜测过程中所学到的通信协议进行演示，并表明这种学习方法可以对通信协议的学习产生益处。

Jun, 2023

在多智能体强化学习中，当智能体无法观察到完整的环境状态时，沟通是至关重要的。借助可微分的通信渠道允许梯度在智能体之间流动作为一种反馈的最常见方法；然而，当我们想要使用离散消息来减小消息大小时，这种方法面临挑战，因为梯度无法通过离散通信渠道传递。本文比较了几种最先进的离散化方法和一种新方法，并将比较应用于基于梯度的沟通学习，并在多个环境中进行了测试。此外，本文还提出了一种基于 DIAL 和 COMA 的沟通学习方法 COMA-DIAL，该方法通过学习率缩放和适应性探索进行了扩展，使我们能够在更复杂的环境中进行实验。实验结果表明，本文提出的新方法 ST-DRU 在各种环境中都取得了最佳结果，每个实验中的表现最好或接近最佳，并且是唯一一个在任何测试环境中都没有失败的方法。

Aug, 2023