香港科技大學團隊發表了綜述文章，提出「推理賦能任務導向通訊」框架（Reasoning-Empowered Task-Oriented Communication），該框架可賦予智能體自主的邏輯推理能力，例如自主判斷為何需要、何時進行資訊交流，及應分享哪些資訊。這些能力可望為未來 7G 無線網絡的智能體協作及群體智能發展奠定基礎。文章已發表於《npj Wireless Technology》。

文章：

• https://www.nature.com/articles/s44459-026-00028-z

研究內容

科大電子及計算機工程學系講座教授兼新明工程學教授李德富教授（Khaled B. LETAIEF）帶領團隊提出了未來數十年通訊與推理技術融合的發展路線圖，勾畫未來 7G 無線系統的發展願景，及探討了有關系統如何支援大量能夠進行推理、彼此協作及共同決策的自主 AI 智能體。

科大研究團隊包括李德富教授（前排中）、張軍教授（前排左）、宋勝輝博士（前排右）、王子鑫博士（後排右）及博士生謝松傑（後排左一）和黎鴻儒（後排左二）

未來的智慧城市、自動駕駛汽車、醫療平台和工業系統，可能涉及數以百萬計的 AI 智能體同時交換資訊。單純擴展現有通訊架構未必足夠。若缺乏創新的通訊機制，通訊過程本身可能會成為瓶頸。

團隊提出「推理賦能任務導向通訊」框架：把推理能力融入通訊過程中，AI 智能體在傳送資訊前，會先評估資訊交換的價值，識別最相關的內容、選擇合適的接收對象，並分析這將如何影響後續的決策。

其中的認知循環，將具備三項核心能力。第一是解讀動機能力，理解對方提出的核心目標，將其轉化為具體的通訊目標。第二是因應環境變化，自動選擇及調整通訊策略，在頻寬、功率、延遲和穩健性之間取得平衡。第三是利用「世界模型」進行前瞻性預測，預判環境、用戶移動模式及任務需求的變化，讓系統在表現下降前作出調整。

此概念可應用於多個未來場景之中，例如，車輛與路側系統僅交換有助避開危險的關鍵資訊；醫療 AI 智能體優先處理與時效性決策相關的重要訊號；工業設備與數碼孿生系統則可在故障發生前預測風險，並協調維護工作。

在此發展方向上，仍有多項待解決的關鍵問題，包括新的理論基礎、可擴展的 AI 智能體協調、通訊與推理循環的穩定性、可信賴的 AI 決策，以及制定共通標準和評估基準。

研究團隊

共同第一作者是科大電子及計算機工程學系博士生謝松傑和黎鴻儒，通訊作者是李德富教授。其他共同作者包括同一學系的王子鑫博士、宋勝輝博士、張軍教授。

如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC