比利时布鲁塞尔自由大学（VUB）与那慕尔大学（UNamur）于2026年10月14日发布研究解读称，多个自主智能体无需中央控制器或预先设定词典，便可通过局部、反复的交流，逐步形成与自身感知数据对应的共享词汇。UNamur研究发布
这项方法的关键不是让智能体学习英语等人类语言，而是让它们把符号标签与连续的感知特征建立联系。由于不同机器人或车辆的传感器可能存在校准差异，直接交换原始数值并不稳妥；研究者希望通过自组织的“人工自然语言”增加一层抽象，使智能体能够围绕同一对象形成可协调的概念。交流成功或失败后的反馈，会推动词义原型和词汇逐步调整。
研究团队报告称，该方法在37个公开数据集上进行了评估，数据涉及物理化学分析、系外行星、鸟类和人脸图像等场景。论文摘要显示，形成的通信约定能够应对感知差异、不同结构的智能体以及环境变化，并且词义仍可追溯到相应的感知特征。TACL论文原文
这项成果的现实意义主要在多机器人、自动驾驶和工业传感网络等需要协作但难以统一传感器标准的场景。不过，现有证据主要来自数据集和实验环境，不能直接证明这种自发词汇已经适用于真实设备之间的安全通信；词汇的可解释性、跨系统迁移和故障时的可控性仍需进一步验证。需要区分的是，相关论文已于2026年8月28日发表于《Transactions of the Association for Computational Linguistics》，10月14日是VUB与UNamur发布研究新闻解读的日期。
参考来源：
- A study by VUB and UNamur shows that AI agents develop their own “artificial natural language” to communicate about complex data 2026-10-14
- Emergent Communication in Continuous Worlds: Self-Organisation of Conceptually Grounded Vocabularies at Scale 2026-08-28
由 AI 整理，仅供参考；请以原始来源为准。
