Kognitive Modelle und KI-Algorithmen bieten Vorlagen für die Gestaltung von Sprachagenten
Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents
February 26, 2026
Autoren: Ryan Liu, Dilip Arumugam, Cedegao E. Zhang, Sean Escola, Xaq Pitkow, Thomas L. Griffiths
cs.AI
Zusammenfassung
Während moderne große Sprachmodelle (LLMs) zunehmend leistungsfähig in Isolation sind, gibt es noch viele schwierige Probleme, die jenseits der Fähigkeiten eines einzelnen LLMs liegen. Für solche Aufgaben besteht weiterhin Ungewissheit darüber, wie man mehrere LLMs am besten als Teile auffasst und zu einem größeren Ganzen kombiniert. Dieses Positionspapier argumentiert, dass potielle Blaupausen für den Entwurf solcher modularer Sprachagenten in der bestehenden Literatur zu kognitiven Modellen und Algorithmen der künstlichen Intelligenz (KI) zu finden sind. Um diesen Punkt zu verdeutlichen, formalisieren wir die Idee einer Agentenvorlage, die Rollen für einzelne LLMs festlegt und beschreibt, wie ihre Funktionalitäten zusammengesetzt werden sollten. Anschließend untersuchen wir eine Vielzahl bestehender Sprachagenten in der Literatur und heben ihre zugrundeliegenden Vorlagen hervor, die direkt von kognitiven Modellen oder KI-Algorithmen abgeleitet sind. Indem wir diese Entwürfe hervorheben, möchten wir die Aufmerksamkeit auf Agentenvorlagen lenken, die von der Kognitionswissenschaft und KI inspiriert sind, als wirksames Werkzeug zur Entwicklung effektiver, interpretierbarer Sprachagenten.
English
While contemporary large language models (LLMs) are increasingly capable in isolation, there are still many difficult problems that lie beyond the abilities of a single LLM. For such tasks, there is still uncertainty about how best to take many LLMs as parts and combine them into a greater whole. This position paper argues that potential blueprints for designing such modular language agents can be found in the existing literature on cognitive models and artificial intelligence (AI) algorithms. To make this point clear, we formalize the idea of an agent template that specifies roles for individual LLMs and how their functionalities should be composed. We then survey a variety of existing language agents in the literature and highlight their underlying templates derived directly from cognitive models or AI algorithms. By highlighting these designs, we aim to call attention to agent templates inspired by cognitive science and AI as a powerful tool for developing effective, interpretable language agents.