传统多智能体系统依赖自然语言通信，但这种低带宽方式限制了信息传递效率。Interlat提出革命性方案：让智能体直接在潜空间交流，大幅提升协作性能和推理速度。
智能速览
自然语言通信本质是强压缩、低带宽信道
Interlat通过传递hidden states实现潜空间直接交流
潜空间通信显著提升任务成功率
支持异构模型间通信，无需参数共享
推理延迟最高降低24倍，仅需8个latent steps
精华内容
Interlat重新定义了智能体间的通信机制，突破语言token的束缚，让AI直接用’思考’本身进行交流，开启了多智能体协作的新纪元。
语言通信瓶颈
自然语言作为LLM智能体默认通信方式存在根本缺陷：丰富的内部推理状态被迫线性化为少量离散token。每个token仅承载约15bits信息，而hidden states包含40kbits信息。这种压缩导致信息丢失严重，冗余度高，并限制了智能体的探索能力。
传统CoT（Chain-of-Thought）等方法虽然有所改善，但仍受限于语言本身的表达约束。智能体无法高效传递复杂、连续的内部状态，协作效率大打折扣。
潜空间通信机制
Interlat的核心创新是将LLM的最后一层hidden states视为智能体’思考’的连续表示，直接在智能体间传递这些latent states，而非生成文本语言。
通过专门的communication adapter处理hidden states，实现跨模型的无缝通信。这种机制避开了文本生成的计算开销，信息传递效率大幅提升。更重要的是，潜空间通信保留了推理的完整语义结构，让智能体间的协作更加精准高效。
跨模型兼容性
实验证明Interlat实现了真正的模型无关性。Qwen到LLaMA等不同架构的异构模型间可以直接通信，无需共享参数或进行额外适配。这种灵活性为多智能体系统的部署提供了极大便利。
智能体只需理解latent space中的语义信息，无需关注对方的模型架构或训练细节。这种解耦设计让大规模多智能体系统的构建变得更加简单可行。
性能突破
实测数据显示，潜空间通信带来了显著性能提升。推理延迟最高降低24倍，通信可压缩至仅8个latent steps，且保持良好性能。任务成功率相比传统语言通信有明显提升。
更关键的是，分析表明Agent真正依赖latent中的高阶结构进行决策，而非依赖统计噪声或文本模式。这说明Interlat不是简单的信息压缩，而是真正实现了语义层面的高效通信。
技术影响
Interlat不仅是技术创新，更引发了对AI通信本质的深度思考。多智能体系统的通信是否必须绑定在语言token上？潜空间通信给出了否定答案。
这项工作为大规模AI协作系统开辟了新路径，特别是在需要快速、复杂交互的场景中，潜空间通信的优势将更加明显。随着技术成熟，可能彻底改变我们构建多智能体系统的方式。
Interlat突破了语言通信的根本限制，展现了多智能体协作的全新可能。当AI能够直接用’思考’交流时，我们离真正的集体智能更近了一步。这项探索能否催生出更强大的AI协作生态？
