本文论述了如何实现类人的计算机工作记忆和思维过程，聚焦于模拟哺乳动物的工作记忆系统，提出了两个相互作用的工作记忆存储区，以及一种迭代更新的信息处理策略，作为设计和编程人工通用智能的计算和神经生理决定因素和算法。

Mar, 2022

通过将现实解读为信息源，并将其转化为计算框架，我们提出了一种新颖的建模方法，从而接近于人工通用智能。该框架可以以流动可扩展的分层方式构建经典的认知架构元素，如长期记忆和工作记忆。

Jun, 2024

我们提出了一个由感知、记忆和推理构成的基于 PMI 框架的方法，通过聚合感知信息并在推理模块中与多源记忆进行交互与整合，实现了对当前感知信息更全面准确的解释，应用于改进问题回答任务、关系计算和图像分类任务等，提高了模型的效果。

Oct, 2023

这篇研究论文介绍了一个全面的工作记忆基准数据集，通过联合训练和测试最先进的循环神经网络和变压器模型，研究发现人工智能模型在大脑中复制了工作记忆的某些特征，为认知心理学、神经科学和人工智能领域的社区提供了一个标准化的框架来对比和增强工作记忆模型，研究工作记忆的神经基础，并开发具有类似人类能力的工作记忆模型。

Jul, 2023

本文通过应用认知心理学的工作记忆框架来增强大型语言模型（LLMs）的架构，以解决其在人类记忆能力方面的限制，并提出了一种创新模型，包括集中的工作记忆中心和情景缓冲区，以提供更高的连续性，以实现复杂任务和合作场景中的细致语境推理。然而，对于情景记忆的优化编码、存储、优先级、检索和安全性仍需进一步研究，以促进发展具有更复杂、类似人类记忆能力的 LLM 代理。这表明记忆机制是人工通用智能领域的重要前沿。

Dec, 2023

本文提出了一种用于模拟记忆和学习的模型，该模型将记忆的地形差异转化为节点上的量，并且可以动态地发展和修改。

May, 2023

本论文针对认知机器人控制架构中的知识管理问题，提出了一种支持感知运动表示和语义表示之间中介和提供数据驱动服务的内在记忆结构，并且对基于该结构的 ArmarX 机器人软件框架进行了评估。

Jun, 2022

通过建立一个稳定性与可塑性均衡、具有多个学习模块的学习系统，我们提出了一种通用方法，可以适度减弱旧记忆在参数分布中的影响，以提高学习可塑性，并通过协调多学习者架构确保解决方案的兼容性。经过大量的理论和实证验证，我们的方法不仅明显提高了持续学习的性能，尤其是在任务增量设置中超过了突触正则化方法，还可能推进神经适应机制的理解，成为推动人工智能和生物智能共同进步的新范例。

Aug, 2023

本文探讨了意识和智能之间的联系，发现意识与人类领域普适智能有密切关系。对比三种当代意识功能理论与人类的认知能力，作者将结论应用到人工智能领域，提出了一种将三种理论相结合的可实现的模型，并以人类的心理时间旅行为例，提出进行人工智能研究的前景和目标。

Mar, 2022

通过仿真人脑，人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型，同时证明了智能的本质是一系列数学功能过程，通过建立数据集之间的功能关系来最小化系统熵，并通过能量消耗的增强方式在人类和人工智能中实现。

Jul, 2023