AI 溝通大突破！研究揭露「亂碼」才是最強語言：效率提升 3 倍且語意無損
科學家提出 BabelTele 這項創新的模型語言，透過高效壓縮技術讓大型語言模型在體積縮減下仍保有完整語意。專為 AI 溝通設計的模型語言 BabelTele 突破傳統限制，能大幅提…
在人工智慧的發展進程中，我們一直習慣用「人類的語言」來與 AI 溝通。有時候，你對AI提出問題後，你會看到他的思考模式閃現出一長串的文字，顯示了他在思考以及推理的過程。
甚至，有時候這過程會跑相當久，讓你覺得AI的思考也太愚蠢了吧？
但是，你有想過，AI 之間真的需要說人類語言、用人類語法思考嗎？
近期，來自上海交通大學、雪梨大學、合肥工業大學、西安交通大學以及南京大學的研究團隊，在預印本平台 arXiv 上發表了一項顛覆性的研究。
這篇名為《大型語言模型並不總是需要可讀語言》（Large Language Models Do Not Always Need Readable Language）的論文，直接點出了一個盲點：在 AI 的提示詞（Prompt）中，為了讓人類看懂而存在的自然語言，其實包含了大量浪費 Token 的冗餘資訊。
BabelTele：捨棄可讀性換取極致效率
為了突破這個瓶頸，研究團隊提出了一種名為「BabelTele」的全新文本壓縮方法。
BabelTele 的核心邏輯非常大膽：它完全不考慮人類的閱讀體驗。
這是一種專為「模型」而非「人類」設計的文本表示方法。BabelTele 透過融合多種語言的詞彙、數學符號、邏輯運算符，甚至是表情符號（Emoji），將原本冗長的自然語言，強制壓縮成一種高度密集的「模型語言」。
人類看了可能只覺得是一堆亂碼。
但大型語言模型（LLM）卻能精準解碼，毫不費力地理解其中的深層涵義。
壓縮率驚人：省下 70% 空間，語意卻幾乎無損
論文中展示了 BabelTele 驚人的壓縮能力。
在實驗測試中，BabelTele 能將文本大幅壓縮至原來的 27.9%。更令人震撼的是，在如此極端的壓縮比例下，它依然能保持高達 99.5% 的語意準確性。這意味著在將文本體積縮減近四分之三的同時，幾乎沒有遺失任何對模型而言有價值的資訊。
為了解決「AI 是不是真的懂」的疑慮，研究團隊利用 QuALITY 長文本問答資料集進行了對照實驗。
他們讓人類讀者與 AI 模型（Gemini 3.1 Pro）分別閱讀「原始文本」與「BabelTele 壓縮文本」，然後進行問答測驗。
結果不出所料：人類在閱讀 BabelTele 文本後，問答準確率呈現斷崖式下跌；然而，Gemini 3.1 Pro 的準確率卻依然穩如泰山。
這項結果強烈證明了，BabelTele 在捨棄人類可讀性的同時，完美保留了模型所需的關鍵語意特徵。在同等壓縮率下，無論是處理長篇會議紀錄（MeetingBank）或是長文件問答（QuALITY），BabelTele 的表現都遠勝於傳統的自然語言摘要技術，甚至超越了專門的提示詞壓縮工具（如 LLMLingua-2）。
「零樣本」跨模型溝通：AI 專屬溝通時代來臨？
更讓人興奮的是 BabelTele 在跨模型溝通上的潛力。
研究證實，BabelTele 可以在不同的大型語言模型之間進行「零樣本」（Zero-shot）傳遞。也就是說，由 A 模型生成的壓縮文本，B 模型完全不需要經過額外訓練，就能直接「聽懂」。
這簡直就是 AI 之間的通用語言。
在多智能體（Multi-Agent）通訊測試中，BabelTele 成功減少了約 40% 的通訊 Token 消耗，同時還能維持超過 96% 的任務達成率。在智能體記憶任務（LoCoMo 基準測試）中，其記憶保留的效果也比一般摘要方法更為優異。
這項研究無疑為 AI 領域打開了一扇通往「模型原生語言」的大門。未來，若是 AI 的底層邏輯能夠進一步適應這類原生元語言，我們或許能見證 AI 溝通成本的大幅下降。
儘管目前的 BabelTele 仍屬於概念驗證階段，且跨模型傳輸效果仍會受到壓縮模型與閱讀模型配對的影響。但在未來 AI Agent 頻繁協作、長文本處理需求暴增的場景中，專為模型設計的「AI 語言」，絕對是突破算力與 Token 限制的關鍵解方。