Agentic AI 网络的涌现通信泛化界限
人工智能
2026-05-12 v1 信息论
多智能体系统
math.IT
摘要
6G 网络向 agentic AI 网络 (AgentNet) 系统演进，需从传统数据管道转向面向任务的、基于 AI 的原生通信解决方案。涌现通信——即自主代理通过交互学习自身信令协议的新范式——日益被视为解决现有刚性、预定义协议架构挑战的有前景之路。然而，大多数现有涌现通信框架未考虑物理网络约束（如带宽、计算复杂度），且缺乏严谨的信息论基础。为此，本文引入新型涌现通信框架，从信息论视角促进异构代理间协作任务解决。我们提出新型联合损失函数，统一决策函数优化与信令学习。方案基于多主体多任务分布式信息瓶颈 (DIB) 理论，量化任务相关信息表征与计算复杂度的根本权衡。进一步给出在非结构状态下的去中心化推理期间的涌现通信协议的理论泛化界限。实验验证于真实硬件原型表明，我们的框架显著优于现有最佳方案。
关键词
引用
@article{arxiv.2605.08613,
title = {Generalization Bounds of Emergent Communications for Agentic AI Networking},
author = {Yong Xiao and Jingxuan Chai and Guangming Shi and Ping Zhang},
journal= {arXiv preprint arXiv:2605.08613},
year = {2026}
}
备注
Accepted at IEEE ISIT Workshop, Guangzhou, China, June 2026