论文
当LLM发展语言：面向高效多智能体推理的符号通信
When LLMs Develop Languages: Symbolic Communication for Efficient Multi-Agent Reasoning
摘要
思维链（CoT）改进大语言模型（LLM）在困难推理任务上的表现——但常产生冗长的自然语言理据——与高效机器推理不对齐。我们提出通信语言符号路由（CLSR）——测试时框架——多个LLM智能体自主发明、演化并共享紧凑的语言符号框架（LSF）——同时无潜变量路由器按查询自适应选择与组合这些语言——以优化准确率-token权衡。不同于精化表面指令的提示优化——CLSR把每个LSF当作带紧凑符号、使用规则与消息传递契约的可复用符号协议——并经正确性与token成本驱动的演化循环改进它。推理时——路由器可调用单个低成本LSF调用、集成多个LSF——或在更难查询上执行多轮LSF组合协议。跨挑战基准——CLSR较标准CoT把面向延迟的生成token补全减少3-6倍——同时保持准确率。我们进一步推导任意符号主义下token成本的信息论下界——并表明在解释器可实现性前提下——多轮LSF协议有条件地包含程序执行管线。代码公开（https://github.com/pzqpzq/LSF_MDia）。
