这篇论文核心是提出CoALA(语言智能体认知架构) 框架,为基于大语言模型(LLM)的语言智能体提供统一的设计与分类标准,同时结合认知科学和符号人工智能的历史经验,为通用语言智能体的发展指明方向。
研究背景与动机
- 语言智能体是一类以LLM为核心、能与世界交互的AI系统,已在机器人控制、网页操作等领域取得实证成功,但缺乏统一框架整合现有研究,不同系统的术语、设计思路零散,难以对比和迭代。
- 传统认知架构(如Soar)和产生式系统的理念可迁移到LLM领域:LLM本质是概率性的字符串改写系统,与产生式系统存在天然相似性,而认知架构的控制逻辑能弥补LLM在记忆管理、决策规划上的不足。