Buchumschlag

Emergent Compositional Communication for Latent World Properties

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kaszyński, Tomek
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Multiagent Systems Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Implicit Repair with Reinforcement Learning in Emergent Communication
von: Vital, Fábio, et al.
Veröffentlicht: (2025)

MABL: Bi-Level Latent-Variable World Model for Sample-Efficient Multi-Agent Reinforcement Learning
von: Venugopal, Aravind, et al.
Veröffentlicht: (2023)

In Trust We Survive: Emergent Trust Learning
von: Chen, Qianpu, et al.
Veröffentlicht: (2026)

Learning Translations: Emergent Communication Pretraining for Cooperative Language Acquisition
von: Cope, Dylan, et al.
Veröffentlicht: (2024)

Enabling Agents to Communicate Entirely in Latent Space
von: Du, Zhuoyun, et al.
Veröffentlicht: (2025)

Data-Driven Discovery of Emergent Dynamics in Reaction-Diffusion Systems from Sparse and Noisy Observations
von: Dwivedi, Saumitra, et al.
Veröffentlicht: (2025)

Generative AI Against Poaching: Latent Composite Flow Matching for Wildlife Conservation
von: Kong, Lingkai, et al.
Veröffentlicht: (2025)

It's About Time: Temporal References in Emergent Communication
von: Lipinski, Olaf, et al.
Veröffentlicht: (2023)

Inferring Latent Temporal Sparse Coordination Graph for Multi-Agent Reinforcement Learning
von: Duan, Wei, et al.
Veröffentlicht: (2024)

Remembering the Markov Property in Cooperative MARL
von: Tessera, Kale-ab Abebe, et al.
Veröffentlicht: (2025)

Genotype-Conditioned Molecular Generation via Evidence-Grounded Multi-Objective Latent Perturbation in Diffusion Models
von: Nogueira, Brenda, et al.
Veröffentlicht: (2026)

AbideGym: Turning Static RL Worlds into Adaptive Challenges
von: Aryan, Abi, et al.
Veröffentlicht: (2025)

Transformer World Model for Sample Efficient Multi-Agent Reinforcement Learning
von: Deihim, Azad, et al.
Veröffentlicht: (2025)

The Bandit Whisperer: Communication Learning for Restless Bandits
von: Zhao, Yunfan, et al.
Veröffentlicht: (2024)

LatentMem: Customizing Latent Memory for Multi-Agent Systems
von: Fu, Muxin, et al.
Veröffentlicht: (2026)

Emergent Cooperation in Quantum Multi-Agent Reinforcement Learning Using Communication
von: Kölle, Michael, et al.
Veröffentlicht: (2026)

Multi-Agent Coordination via Multi-Level Communication
von: Ding, Ziluo, et al.
Veröffentlicht: (2022)

Context-aware Communication for Multi-agent Reinforcement Learning
von: Li, Xinran, et al.
Veröffentlicht: (2023)

Fully Independent Communication in Multi-Agent Reinforcement Learning
von: Pina, Rafael, et al.
Veröffentlicht: (2024)

A Survey of Multi-Agent Deep Reinforcement Learning with Communication
von: Zhu, Changxi, et al.
Veröffentlicht: (2022)

From Grunts to Lexicons: Emergent Language from Cooperative Foraging
von: Piriyajitakonkij, Maytus, et al.
Veröffentlicht: (2025)

Finding the Weakest Link: Adversarial Attack against Multi-Agent Communications
von: Standen, Maxwell, et al.
Veröffentlicht: (2026)

Feature-based Federated Transfer Learning: Communication Efficiency, Robustness and Privacy
von: Wang, Feng, et al.
Veröffentlicht: (2024)

Robust Multi-agent Communication via Multi-view Message Certification
von: Yuan, Lei, et al.
Veröffentlicht: (2023)

Communication Learning in Multi-Agent Systems from Graph Modeling Perspective
von: Hu, Shengchao, et al.
Veröffentlicht: (2024)

Inductive Bias for Emergent Communication in a Continuous Setting
von: Villanger, John Isak Fjellvang, et al.
Veröffentlicht: (2023)

Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning
von: Yu, Xiaoxue, et al.
Veröffentlicht: (2026)

Cut the Crap: An Economical Communication Pipeline for LLM-based Multi-Agent Systems
von: Zhang, Guibin, et al.
Veröffentlicht: (2024)

Disentangling Causal Importance from Emergent Structure in Multi-Expert Orchestration
von: Ghosh, Sudipto, et al.
Veröffentlicht: (2026)

LoopBench: Discovering Emergent Symmetry Breaking Strategies with LLM Swarms
von: Parsaee, Ali, et al.
Veröffentlicht: (2025)

G-Designer: Architecting Multi-agent Communication Topologies via Graph Neural Networks
von: Zhang, Guibin, et al.
Veröffentlicht: (2024)

Out of Sight, Not Out of Mind: Unveiling Latent Attack in Latent-based Multi-Agent Systems
von: Wang, Chenxi, et al.
Veröffentlicht: (2026)

A Reinforcement Learning Inspired Latent Yield Based Adaptive Algorithm Switching Mechanism
von: Nair, Jayprakash S., et al.
Veröffentlicht: (2026)

Latent World Models for Automated Driving: A Unified Taxonomy, Evaluation Framework, and Open Challenges
von: Zeng, Rongxiang, et al.
Veröffentlicht: (2026)

World-Task Factorization for Robot Learning
von: Sebastián, Eduardo, et al.
Veröffentlicht: (2026)

CoDe: Communication Delay-Tolerant Multi-Agent Collaboration via Dual Alignment of Intent and Timeliness
von: Song, Shoucheng, et al.
Veröffentlicht: (2025)

T2MAC: Targeted and Trusted Multi-Agent Communication through Selective Engagement and Evidence-Driven Integration
von: Sun, Chuxiong, et al.
Veröffentlicht: (2024)

Quantum Frog: Emergent Cooperation and Difficulty Scaling in a Quantized-Time Cooperative Game
von: Mankarious, Saad
Veröffentlicht: (2026)

MACTAS: Self-Attention-Based Inter-Agent Communication in Multi-Agent Reinforcement Learning with Action-Value Function Decomposition
von: Wojtala, Maciej, et al.
Veröffentlicht: (2025)

Sample and Communication Efficient Fully Decentralized MARL Policy Evaluation via a New Approach: Local TD update
von: Hairi, Fnu, et al.
Veröffentlicht: (2024)