摘要
针对大语言模型多智能体系统中的通信协议设计挑战，现有单通道方法面临可解释性与效率的困境。受多通道通信理论启发，本文提出 HyLaT，一种混合潜在 - 文本通信协议。该协议利用潜在通道传输复杂的认知信号以提升效率，同时用自然语言表达关键信号以保持可解释性与精度。文章引入两阶段训练框架，结合单智能体混合生成学习与多智能体互动协同训练，使智能体能在多轮交互中生成并解读混合消息。实验表明，HyLaT 在显著降低通信开销的同时保持了具有竞争力的任务性能，并在多种设置下展现出强大的泛化能力与鲁棒性。
AI 推荐理由
论文核心解决多智能体协作中的通信协议问题，直接支撑复杂任务规划与多步交互效率。
研究机构
Fudan University
The Chinese University of Hong Kong
King's College London
The Alan Turing Institute
Shanghai Innovation Institute
论文信息