多智能体协作任务中，个体Agent往往只能感知局部环境，彼此交换观测信息或意图是达成全局目标的基础。然而，通信本身存在成本：通信带宽有限、延迟不可忽略，不必要的数据交换反而会干扰决策。因此，一个实用的多Agent系统必须回答两个问题：什么时候该通信，以及该传递什么内容。这不再是简单的广播策略，而是Agent需要自主学习的元能力。
多Agent通信从固定规则到可学习策略
早期多Agent通信往往依赖人工设计的协议，例如定时广播位置、按固定阈值触发求助信号。这些规则在静态场景下勉强可用，一旦环境动态变化或Agent角色不再固定，预设条件很快失效。更关键的是，通信内容通常是完整的状态向量，很多维度对接收方并不相关，造成维度浪费和隐私暴露风险。
研究者转向让Agent学会通信，本质上是将“何时说”和“说什么”也纳入优化目标。在协同决策框架下，Agent间可以共享梯度或通过全局奖励进行训练，从而演化出符合任务需求的通信协议。由此形成的学习型通信不再局限于固定格式，Agent可以在训练过程中自适应地调整通信频率和消息编码。
学习何时通信：从连续广播到稀疏触发
如果每次决策都广播全量信息，虽然保证了信息充分，但计算和通信开销极大，也容易引入无关噪声。门控通信（Gated Communication）为此提供了一种折中：Agent在每步生成消息时，同时输出一个概率值，决定是否发送该消息。这个门控可由一个策略网络产生，并在训练中通过奖励添加稀疏性惩罚，迫使Agent只在“非发不可”时通信。
另一种思路是请求-应答模式。发起方只有在自身不确定性超过阈值、或者预测到队友需要信息时才发起请求；接收方则根据请求内容生成回答。这种机制天然减少了冗余发送，但要求Agent具备估计自身不确定性和建模队友需求的能力。相关研究常通过无模型强化学习训练这种条件通信策略，让Agent逐渐学会区分重要时刻与普通时刻，实现通信时机的精准激活。
学习通信内容：从全量状态到目标导向的消息
确定了通信时机后，消息质量直接决定协作效果。朴素的做法是发送编码后的局部观测，但这种方式把通信通道当作一条透明管道，忽略了接收Agent的具体需求。受注意力机制启发，目标导向的消息生成让发送方根据接收方的查询向量或上下文生成消息，从而只包含对接收方做决策有用的信息。
例如，发送方可以编码一个可微分的消息，接收方在收到后通过注意力权重将其融入自身决策网络。整个消息编解码过程与任务损失端到端可微，因此Agent能自动发现哪些特征对协作最关键。这种学习出来的消息往往是紧凑的低维向量，只传递位置相对关系、意图标记等关键信号，而非冗长的原始观测。
| 方式 | 消息形式 | 特点 |
|---|---|---|
| 全状态广播 | 完整观测向量 | 信息全但冗余大，易受噪声干扰 |
| 提取式编码 | 固定尺寸的特征向量 | 维度可控，但缺乏动态针对性 |
| 注意力引导生成 | 根据接收方上下文动态生成 | 针对性强，信息密度高 |
| 离散符号通信 | 离散的符号或令牌 | 更接近人类语言，但训练困难 |
何时与何说的联合学习
通信时机和通信内容是高度耦合的：如果消息本身价值很低，即使时机恰当也没有意义；反之，急需信息时如果消息生成模型不准确，也会错失机会。为此，近年工作倾向于在一个统一的框架里同时学习两个部分。一种常见设计是将门控结构与消息生成网络并联，输出消息的同时产生发送概率；另一种是引入预算约束，在全局奖励中扣除通信成本，让Agent在端到端训练中自动权衡通信频率与消息质量。
在通信带宽受限的环境中，这种联合学习效果尤为突出。Agent会学会在信息增益超过通信成本时才发起交互，并且生成的消息高度精炼，只传递自身观测中最能减少队友不确定性的部分。实验结果证明，联合优化的通信策略能在降低90%以上通信量的同时，保持甚至提升协同任务得分。
典型应用场景与未来方向
学习型多Agent通信已在无人机协同搜索、自动驾驶车队协作、分布式传感器网络等领域初步验证。无人机执行区域覆盖任务时，通过学习合适通信时机，能显著减少电磁暴露风险；自动驾驶车队中，车辆习得的通信策略只在紧急变道或异常检测时才交互，兼顾安全与信道利用率。
未来研究将更多关注异构Agent间的通信学习、隐私保护下的通信内容控制，以及将大语言模型知识迁移到符号化通信协议中。随着多Agent强化学习与图神经网络的发展，Agent的“谈话”能力会越来越接近高效的人类团队，既懂得在必要开口，也总能言之有物。