利用符号人工智能的代理设计历史，我们提出了一种新的认知语言代理的蓝图，即 Cognitive Architectures for Language Agents (CoALA) 框架，这个框架将大型语言模型与外部资源或内部控制流结合起来，以实现基于语言模型的推理、概念化、学习和决策。通过 CoALA 框架，我们强调了目前语言代理的不足，并提出了未来发展更强大的语言代理的具体方向。

Sep, 2023

本文介绍了一种基于认知创造力理论的计算模型，旨在实现人造智能代理学习使用和生成易于迁移的表征，并通过梯度强化学习获取目标导向和时间信息的双重记忆系统，以及进行反射推理和融合等认知处理来提高人造智能的足够抽象度，以期在人工通用智能领域迈出更大的步伐。

May, 2022

通过引入认知启发式方法，通过计算语义和情节记忆、情绪、工作记忆和学习能力来解决对话代理人的技术和社交问题。

Nov, 2023

本文提出了一种新的认知模型，作为 AGI 代理的主要组成部分，并包括操作模型和意图。该模型基于全面的双重原则，提出了以可重用性和简单性为形式的 AGI 设计和认知下的约束或效率。最终的认知模型是多个模型实例的动态操作记忆。

Jan, 2023

通过将大型语言模型与深度学习系统整合，提出能够展示类似于代理、自我激励甚至一些元认知特征的认知语言代理体系结构。

Nov, 2023

近期关于应用于复杂实际知识工作的对话人工智能工具（如由大型语言模型驱动的聊天机器人）的研究表明，这些工具在推理和多步问题解决方面存在限制，且现有聊天机器人模拟浅层推理和理解，在问题复杂度增加时容易出错。本文介绍了认知人工智能（Cognitive AI）的一个高层框架，用于在大型语言模型之外实现可编程定义的神经符号认知，提出了一个双层功能架构，可用于执行复杂多步知识工作的人工智能系统的路线图，认为 Cognitive AI 是实现更高级别的人工智能（如 AGI）的必要前提，并明确指出仅凭概率方法无法实现 AGI。最后讨论了大型语言模型、AI 采用周期和商业认知人工智能开发的影响。

Mar, 2024

该研究论文旨在提出一种新的认知架构来实现通用人工智能的能力，并介绍了一个包含多个功能模块的框架。其中，知识表示是该架构的关键解决方案之一，能够在单一知识库中结合多种形式化和非形式化的知识表示方法。论文还探讨了使用 Archigraph 模型来组合和结构化各种知识片段的方法。此外，该研究还提及了该认知架构的其他组成部分，包括机器意识、机器潜意识、与外部环境的交互模块、目标管理模块、情感控制系统、社交交互模块、反思模块、伦理和世界观模块、学习模块、监测模块、陈述和问题解决模块、自组织和元学习模块。

Jan, 2024

本文研究了一种进化方法来创建具有认知功能的自主体的认知架构，采用功能核心产生自主体的智能功能，并介绍了基于构造主义理论的自主体认知能力的演化。

Jul, 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

本论文提出一种基于概念依赖的通用框架，强调所涉及的表征必须是显式认知和概念性的，并且必须包含涉及事件和过程的因果特征，并使用完全基于参考的概念结构。论文还介绍了一种描述性表征语言，并描述了许多其使用示例。

Jun, 2022