Comunicación de Pensamientos en la Colaboración Multiagente

Thought Communication in Multiagent Collaboration

October 23, 2025

Autores: Yujia Zheng, Zhuokai Zhao, Zijian Li, Yaqi Xie, Mingze Gao, Lizhu Zhang, Kun Zhang

cs.AI

Resumen

El lenguaje natural ha permitido durante mucho tiempo la cooperación humana, pero su naturaleza con pérdidas, ambigua e indirecta limita el potencial de la inteligencia colectiva. Si bien las máquinas no están sujetas a estas limitaciones, la mayoría de los sistemas multiagente basados en LLM siguen dependiendo únicamente del lenguaje natural, intercambiando tokens o sus *embeddings*. Para ir más allá del lenguaje, introducimos un nuevo paradigma, la comunicación de pensamientos, que permite a los agentes interactuar directamente de mente a mente, similar a la telepatía. Para descubrir estos pensamientos latentes de manera fundamentada, formalizamos el proceso como un modelo general de variables latentes, donde los estados de los agentes son generados por una función desconocida de pensamientos subyacentes. Demostramos que, en un entorno no paramétrico sin información auxiliar, tanto los pensamientos latentes compartidos como los privados entre cualquier par de agentes pueden identificarse. Además, la estructura global del intercambio de pensamientos, incluyendo qué agentes comparten qué pensamientos y cómo se estructuran estas relaciones, también puede recuperarse con garantías teóricas. Guiados por la teoría establecida, desarrollamos un marco que extrae los pensamientos latentes de todos los agentes antes de la comunicación y asigna a cada agente los pensamientos relevantes, junto con sus patrones de intercambio. Este paradigma se extiende naturalmente más allá de los LLM a todas las modalidades, ya que la mayoría de los datos observacionales surgen de procesos generativos ocultos. Los experimentos en benchmarks tanto sintéticos como del mundo real validan la teoría y demuestran las ventajas colaborativas de la comunicación de pensamientos. Esperamos que este trabajo ilumine el potencial de aprovechar el mundo oculto, ya que muchos desafíos siguen sin solución a través de la observación superficial únicamente, independientemente de la escala de computación o datos.

English

Natural language has long enabled human cooperation, but its lossy, ambiguous, and indirect nature limits the potential of collective intelligence. While machines are not subject to these constraints, most LLM-based multi-agent systems still rely solely on natural language, exchanging tokens or their embeddings. To go beyond language, we introduce a new paradigm, thought communication, which enables agents to interact directly mind-to-mind, akin to telepathy. To uncover these latent thoughts in a principled way, we formalize the process as a general latent variable model, where agent states are generated by an unknown function of underlying thoughts. We prove that, in a nonparametric setting without auxiliary information, both shared and private latent thoughts between any pair of agents can be identified. Moreover, the global structure of thought sharing, including which agents share which thoughts and how these relationships are structured, can also be recovered with theoretical guarantees. Guided by the established theory, we develop a framework that extracts latent thoughts from all agents prior to communication and assigns each agent the relevant thoughts, along with their sharing patterns. This paradigm naturally extends beyond LLMs to all modalities, as most observational data arise from hidden generative processes. Experiments on both synthetic and real-world benchmarks validate the theory and demonstrate the collaborative advantages of thought communication. We hope this work illuminates the potential of leveraging the hidden world, as many challenges remain unsolvable through surface-level observation alone, regardless of compute or data scale.