NeLLCom-X: A Comprehensive Neural-Agent Framework to Simulate Language Learning and Group Communication

最近计算语言学的进展包括使用相互作用的神经网络代理来模拟类似人类语言的出现，从一组随机符号开始。最近引入的NeLLCom框架（Lian等人，2023）允许代理先学习一种人造语言，然后用它进行交流，以研究特定语言学属性的出现。我们通过引入更现实的角色交替代理和群体交流来扩展这个框架（NeLLCom-X），以研究语言可学性、交流压力和群体规模效应之间的相互作用。我们通过复制之前研究模拟单词顺序/格标记权衡的关键发现来验证NeLLCom-X。接下来，我们研究交互如何影响语言收敛和权衡的出现。这个新的框架有助于未来模拟各种语言学方面，强调交互和群体动力学在语言演化中的重要性。

研究人工智能如何模拟人类语言的出现与发展，特别是在群体交流中的作用。

引入更真实的角色交替代理和群组交流，扩展NeLLCom框架，通过模拟随机符号集合的相互作用的神经网络代理来模拟人类语言的出现和发展。

NeLLCom-X通过模拟出现了单词顺序/格标记权衡的关键发现，并研究了交互如何影响语言收敛和权衡的出现。该框架还可以用于模拟其他语言方面，强调交互和群体动态在语言演化中的重要性。

最近的相关研究包括NeLLCom框架的先前研究，以及其他模拟语言演化的研究，如“从符号到语言：一种基于符号地图的语言演化模型”和“用于模拟语言演化的神经网络代理的比较研究”等。