定义、建模和分析认知机制的框架
本研究综合了先前的工作，旨在建立一个关于 cognition 的 meta-learned 模型的研究计划，证明 meta-learning 可以用于构建 Bayes-optimal learning algorithms，实现对 cognitive theories 的更加广泛的范围的建模
Apr, 2023
本文讨论以人类认知能力、局限性和偏见为基础的学习方法，并介绍一些方法来产生和利用对人类决策或未来决策结果的偏见或不确定性的表示。
May, 2022
本研究提出采用 Marr 的分析层次理论作为机器学习共同的概念框架，以便更好地理解、分析和讨论机器学习研究，通过案例研究展示了如何通过采用这种分析层次理论更好地参与推动学术界进步的讨论。
Apr, 2020
该研究采用计算思维作为分析工具并运用认知共同模型来解决对 System-1 和 System-2 的双系统描述难以精确和滋生误解的问题，结果表明 System-1 和 System-2 的特点形成了认知属性的一种谱系，并阐明了其潜在机制、存在的误解及对元认知的影响。
May, 2023
元认知是关于代理自身内部过程的推理概念，在心理发展学领域首次引入。本文研究将元认知应用于人工智能的概念，提出了一个名为 TRAP 的元认知人工智能理解框架，包括透明度、推理、适应性和感知。我们逐个讨论了每个方面，并探讨了神经符号人工智能在解决元认知挑战中的应用。
Jun, 2024
本文介绍了一种认知体系结构，其基于五个已确定的大脑活动原则，以三个子系统的实现为基础：逻辑概率推理、概率形式概念和功能系统理论。建立体系结构需要实现任务驱动方法，以允许将应用程序的目标函数定义为在应用本体中表达的任务，因此我们提供了一组基本本体用于一些实用应用程序以及基于该本体的主题域本体，并描述了提议的架构，并给出了这些应用程序在该架构中执行的可能示例。
Apr, 2022
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
构建像人类一样学习和思考的机器不仅对认知科学至关重要，而且对于计算神经科学也是如此，其最终目标是理解认知如何在生物大脑中实现。新的认知计算神经科学应该建立认知级和神经级模型，理解它们的关系，并使用大脑和行为数据测试两种模型。
Nov, 2017