使用对比学习学习通信

基于摘要分析。本文研究多智能体强化学习中如何形成有效的共同通信语言，尤其关注去中心化场景。作者将智能体发送的消息视为环境状态的不同不完整视图，通过对比学习提升同一轨迹中消息之间的互信息，以学习支持协调的通信表征。 核心机制是利用发送与接收消息之间的关系，将消息不仅作为交互动作，也作为环境信息的编码。摘要明确了轨迹内消息关联与互信息最大化的思路，但未提供具体损失形式、正负样本构造、消息空间，以及通信目标与强化学习目标的组合方式；这些实现细节尚未验证。 作者报告，在必须依赖通信的环境中，该方法相较既有工作取得更好的任务表现与更快的学习速度；通过定性指标及表征探测，作者报告其形成了更对称的通信，并捕获了环境的全局状态信息。摘要未列出环境名称、对照方法、数值结果或“通信对称性”的操作定义，因此尚不能判断收益幅度与适用边界。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若将同步 EEG 通道组视为潜在脑状态的不完整观测，其多视图对比学习思想可能用于研究跨通道表征一致性；这只是机制类比，并非本文验证的 EEG 或 BCI 贡献。可复用的是视图间表征关联目标，需改造的是消息生成与轨迹配对机制。EEG 的低信噪比、通道差异及被试差异可能使对比目标优先捕获共享伪迹，而非任务信息。一个小规模可证伪实验是在固定数据划分与编码器下，对比加入和不加入同步通道组对比目标的下游表现，并检查收益是否依赖共享伪迹。已有 EEG 相关工作尚未检索确认。