[论文解读] Modeling Ambiguity in a Multi-Agent System
本文使用Kripke结构和受Grice准则约束的TELL函数,对多智能体通信中的模糊性进行建模,实现了对模糊话语如何影响智能体间互知的正式分析。它区分了语义模糊与感知模糊,并展示了析取表达式与模糊表达在信息更新动态上的差异。
This paper investigates the formal pragmatics of ambiguous expressions by modeling ambiguity in a multi-agent system. Such a framework allows us to give a more refined notion of the kind of information that is conveyed by ambiguous expressions. We analyze how ambiguity affects the knowledge of the dialog participants and, especially, what they know about each other after an ambiguous sentence has been uttered. The agents communicate with each other by means of a TELL-function, whose application is constrained by an implementation of some of Grice's maxims. The information states of the multi-agent system itself are represented as a Kripke structures and TELL is an update function on those structures. This framework enables us to distinguish between the information conveyed by ambiguous sentences vs. the information conveyed by disjunctions, and between semantic ambiguity vs. perceived ambiguity.
研究动机与目标
- 对多智能体通信中模糊表达的语用效应进行形式化。
- 建模智能体在听到模糊话语后如何更新其知识状态。
- 在对话语境中区分语义模糊与感知模糊。
- 分析模糊性对互知的影响——即智能体对彼此知识的了解程度。
- 对比模糊表达与析取替代项在信息效应上的差异。
提出的方法
- 将智能体信息状态表示为Kripke结构,以建模认知知识。
- 定义TELL函数作为Kripke结构上的更新机制,以模拟通信过程。
- 通过实现Grice会话准则的变体来约束TELL函数,以反映理性通信。
- 使用形式语义学区分语义模糊(多种含义)与感知模糊(对意图含义的不确定性)。
- 分析模糊话语如何以不同于析取性陈述的方式更新认知状态。
- 应用动态认知逻辑,以建模模糊通信后知识演化的动态过程。
实验结果
研究问题
- RQ1模糊话语如何影响多智能体系统中智能体的认知状态?
- RQ2在信息更新方面,语义模糊与感知模糊有何区别?
- RQ3在产生模糊话语后,智能体如何了解彼此所知的内容?
- RQ4TELL函数在模糊表达与析取句上的知识结构更新方式有何不同?
- RQ5Grice准则在该框架中以何种方式约束模糊表达的解释与传播?
主要发现
- 即使在逻辑上等价,模糊表达所传递的信息也比析取句更不精确。
- 该框架明确区分了语义模糊(多种含义)与感知模糊(对意图含义的不确定性)。
- 在模糊话语之后,智能体可能并不共享彼此信念的知识,从而导致认知不确定性。
- TELL函数以符合理性、Grice式通信的方式更新Kripke结构,保持与会话规范的一致性。
- 该模型表明,对模糊性的互知依赖于信息状态的结构与通信协议。
- 析取句导致的认知更新比模糊表达更清晰,因为它们明确呈现了替代含义。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。