记忆架构比通道容量更关键：LLM 智能体如何从无到有发明共享语言

两个 LLM 智能体能否从零开始自发形成一套共享语言？来自 arXiv（编号 2607.00233）的一项新研究在经典的 Lewis 信号博弈框架下系统检验了这一问题，核心结论是：在决定语言能否涌现的因素中，记忆架构的重要性超过通道容量。

研究框架

研究团队设置了一组发送者–接收者博弈：智能体仅凭交互历史协商出一套指代代码，没有预定义词汇表。研究在五种不同的记忆架构之间进行比较，并测试了不同通道容量下的表现。通道容量即智能体每轮可发送的信号数量上限。

核心发现

• 记忆架构决定稳定性：拥有「持久私有笔记本」的智能体可以利用富余的通道容量，在容量 = 25 时达到 0.867 ± 0.023 的协调成功率。无状态智能体则在中等容量处达到峰值后便开始退化，因为词汇量超出滚动上下文窗口的处理能力。
• 瓶颈点在 capacity = 8：基于信息瓶颈思路的分析曾预测最优容量等于物体数量，但实验显示这一容量反而是脆弱点；一般而言，富余容量更利于稳定协调。
• 笔记本的作用：持久笔记将已学到的约定外化，使智能体无需在每一轮重新推导代码，从而把交互历史转化为稳定惯例。

结论与意义

论文指出，通道容量本身无法预测协调成败：只有在合适的记忆架构支撑下，智能体才能将互动历史沉淀为稳定惯例。研究强调，要理解信号如何变成语言，记忆架构与通道容量两个维度缺一不可。该工作对多智能体协议设计、涌现通信机制研究以及长程对话系统的记忆模块设计均有一定参考价值。