提出了一种名为 EC^2 的新颖方案，用于预训练视频语言表示以进行 few-shot embodied control，通过紧密结合视频细节的语义和自然语言结构的紧密联系，实现了代理在新环境中快速行动的目标。该方法在 Metaworld 和 Franka Kitchen 的实验基准中表现了显着的优势，超过了以前的对比学习方法的表现。此外，对提出的联合建模方法进行了定量和定性分析，并讨论了未来的研究方向。

Apr, 2023

本文中，我们提出并测试了一种使用 Emergent Communication 技术，以先前预训练好的多语言模型来改进现代无监督机器翻译系统的方法，特别是对于语料库数据量很小的语言，我们将现代多语言模型嵌入到了一个以视觉为基础的语言游戏中，并通过一个共同目标的任务去训练模型，证明此方法能够提高翻译表现，特别是对波斯语和僧伽罗语这样语言数据量很小的语言有很大的帮助。

Jul, 2022

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

该论文阐述了 EC-MARL 在未来 6G 无线网络中的重要性，该方法赋予网络实体自主决策能力，解决自动驾驶、机器人导航、飞行基站网络规划和智能城市应用等复杂任务，提供 EC-MARL 算法的概述、设计准则以及研究机会。

Sep, 2023

将大型语言模型和生成模型整合到新兴的语义交流模式中，我们提出了一种新的面向语言的语义交流框架（LSC）。在 LSC 中，机器使用人类语言消息进行交流，可以通过自然语言处理技术进行解释和操作以提高语义交流效率。通过引入三种创新算法：1）语义源编码（SSC）将文本提示压缩为捕捉提示的句法本质的关键词，同时保持它们的出现顺序以保持提示的上下文；2）语义通道编码（SCC）通过用更长的同义词替换关键词来提高对错误的鲁棒性；3）语义知识蒸馏（SKD）通过在上下文中学习听者的语言风格生成定制的提示。在一项渐进文本到图像生成的通信任务中，所提出的方法在减少传输次数的同时实现更高的感知相似度，并提高在嘈杂的通信信道中的鲁棒性。

Sep, 2023

在合作语言习得问题（CLAP）中，我们提出并比较了两种方法来解决 CLAP 问题：模仿学习（IL）和基于新生通信的预训练和翻译学习（ECTL），前者是通过自我对弈与 EC 模型训练，然后从数据中学习将新生协议翻译为目标社区协议。

Feb, 2024

本研究使用紧密联系的智能体通过互相交流离散符号彼此合作完成任务。通过分析他们之间的交流，证明了他们发展的语言与网络拓扑有关，并在交通控制器问题上实现了最先进的性能。

Apr, 2020

利用大型语言模型（LLM）结合多智能体系统和自然语言输入，解决 6G 通信中的任务需求、通信知识获取和相关问题的评估与改进。

Dec, 2023

本研究介绍了一种名为意图嵌入通信（IEC）的新算法，能够模仿多智能体学习语言的能力，并通过耦合进化学习来加快学习速度，并在三种协作场景下表现出比 MADDPG 等基线更优异的性能表现。

Mar, 2022

基于知识蒸馏的深度学习模型在语义通信系统中提高了模型鲁棒性和泛化能力，减小了模型尺寸压缩时的性能损失。

Nov, 2023