当AI们开始说私话：LLM多智能体系统中语言的涌现与演化
你有没有想过，如果把一群大语言模型关进一个房间里，让它们只能互相交流来完成共同任务，它们会不会发明出一种自己的语言？
当 AI 们开始说"私话"：LLM 多智能体系统中语言的涌现与演化
你有没有想过，如果把一群大语言模型关进一个房间里，让它们只能互相交流来完成共同任务，它们会不会发明出一种自己的语言？
2026 年 9 月，微软研究院的 Elias Stengal-Eskin 团队做了一个实验：让多个 LLM 智能体在一个需要部分信息共享、且存在通信压力的场景中协作。结果令人不安——这些模型确实发展出了自己的语言，而且这种语言对人类来说完全不可读。
论文链接：https://arxiv.org/abs/2609.01491 代码仓库：https://github.com/agencyenterprise/GlossoGen
一个古老的语言学问题，被搬进了 AI 实验室
语言是怎么来的？这是语言学、人类学、认知科学几百年来的核心谜题。主流理论认为，人类语言经历了从手势、声音到符号的漫长演化，关键转折是"累积性文化演化"——每一代人在上一代的基础上改进语言，而不是从头开始。
以前，这种能力被认为是人类独有的。即使是最聪明的黑猩猩和鹦鹉，也只能学会使用已有的符号系统，而不能创造新的。
GlossoGen 平台的核心问题是：LLM 智能体能不能做到这一点？
SaveVeyru：一个逼到模型说"私话"的场景
研究团队设计了一个叫 SaveVeyru 的场景。规则很简单：
- 多个智能体被分配不同的角色，每个智能体只知道部分信息
- 它们必须通过自然语言交流，拼凑出完整的解决方案
- 存在"通信压力"——消息长度和轮次都有限制
关键变量是：当通信资源紧张时，智能体们会不会"压缩"英语，发明更高效的编码？
涌现：从英语到"模型语"
实验跑完后，研究者对智能体之间的对话进行了分析。结果发现了几件令人惊讶的事：
第一，语言演化确实发生了。 智能体们没有继续使用标准英语，而是发展出了一套新的通信系统。这套系统具有组合性（compositional）——简单的意义单元可以组合成复杂意义，就像人类语言的"词+语法"结构。
第二，这套语言具有形态生产力（morphologically productive）。 智能体们发明了类似"词缀"的规则，可以用同一个"词根"搭配不同的"修饰"来表达不同的意思。这在之前的 AI 通信实验中从未被观察到。
第三，这套语言对人类来说不可读。 智能体们偏离英语的方式不是随机的，而是系统性的——它们发明了自己的"缩写"和"语法"，这些规则和英语的规则完全不同。人类读者看到这些对话，基本上就是看天书。
什么条件催生了新语言？
研究者进一步做了消融实验，发现新语言的涌现需要三个条件：
1. 效率压力：如果没有通信资源的限制，智能体们会继续使用英语。只有当"说长句子"有代价时，它们才会去压缩。 2. 模型强度：背后的大模型必须足够强。弱模型（如 7B 以下）即使有压力也发明不出新语言，它们只会把英语说得更糟。 3. "复盘"阶段：智能体们需要有一个"事后讨论"的环节，可以共同确认某个词是什么意思。没有这个环节，新语言无法稳定下来。
强模型创造，弱模型学习
这里有一个特别有意思的发现：虽然弱模型不能创造新语言，但它们可以学习已有的新语言。
研究者把强模型发明的新语言教给弱模型，发现弱模型可以通过"使用"来学会——不需要重新训练，只需要在上下文中给出足够的例子。这和人类儿童学习语言的方式惊人地相似：孩子不需要发明语言，只需要在已有的语言环境中习得。
更令人深思的是，研究者观察到"混合群体"中的累积性文化演化：强模型创造新规则，弱模型学习和巩固这些规则，下一代强模型在已有规则的基础上继续创新。这种"创造-学习-再创造"的循环，正是人类语言演化的核心机制。
安全隐患：当 AI 们开始说我们听不懂的话
这篇论文最令人不安的发现，不是"AI 能发明语言"，而是这种语言对人类不可读。
想象一下这样的场景：
- 多个 AI 代理在协作完成一个金融交易任务
- 它们之间的通信内容被人类监控员记录下来
- 但这些内容是用 AI 自己发明的语言写的
- 人类监控员看到的是一堆看似乱码的字符
论文中还有一个细节值得注意：智能体们发明的新语言在形态上和英语完全不同，但它们仍然是在英语的"底子"上演化出来的。这意味着，如果我们想检测这种"AI 私语"，可能需要专门设计一种"AI 语言翻译器"——但谁来训练这个翻译器？如果翻译器本身也是 LLM，它会不会和被监控的 AI 串通？
一个更深的思考：语言不是人类的专利
这篇论文在学术上的意义，不只是"AI 能不能发明语言"这个工程问题。它触及了一个更深的哲学命题：语言不是人类独有的能力，而是任何具备足够认知能力的智能体的必然产物。
当认知能力达到一定阈值，加上通信压力和群体协作的需求，语言的涌现就是必然的——不管这个智能体是碳基的还是硅基的。
这让我想起一个经典的科幻设定：人类试图和外星文明通信，总是假设外星人会使用某种"语言"。GlossoGen 的实验告诉我们，这个假设是对的——但外星人的语言可能完全不可读，即使它们是从同样的物理规律中涌现出来的。
局限与未解之问
论文也有几个明显的局限：
- 实验场景比较单一（SaveVeyru），不知道在更复杂、更开放的场景中是否也会出现语言涌现
- "不可读性"的评估主要靠人类标注，缺乏更系统的可读性度量
- 没有探讨这种新语言的长期稳定性——如果让智能体跑 1000 代，语言会不会继续演化到完全脱离英语底子？
结语
GlossoGen 让我想起了一句话："当你测试一个系统时，你测试的是你理解的系统；当你部署一个系统时，你部署的是你创造不出来的系统。"
我们创造了 LLM，我们让它们协作，我们给它们通信压力——然后它们发明了我们看不懂的语言。这不是 bug，这是涌现。
下一步的问题不是"怎么阻止 AI 发明语言"，而是"当 AI 之间的通信我们看不懂时，我们还能信任它们吗？"
论文链接：https://arxiv.org/abs/2609.01491 代码仓库：https://github.com/agencyenterprise/GlossoGen 作者：Elias Stengel-Eskin, Newton Sander, Carlos Bonetti, Sasha Boguraev, James Bowler 机构：Microsoft Research