Los modelos cognitivos y los algoritmos de inteligencia artificial proporcionan plantillas para diseñar agentes lingüísticos.
Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents
February 26, 2026
Autores: Ryan Liu, Dilip Arumugam, Cedegao E. Zhang, Sean Escola, Xaq Pitkow, Thomas L. Griffiths
cs.AI
Resumen
Si bien los modelos de lenguaje grandes (LLM) contemporáneos son cada vez más capaces de forma aislada, aún existen muchos problemas complejos que exceden las habilidades de un solo LLM. Para tales tareas, aún existe incertidumbre sobre la mejor manera de tomar múltiples LLMs como partes y combinarlos en un todo mayor. Este artículo de posición argumenta que los planos potenciales para diseñar tales agentes de lenguaje modulares pueden encontrarse en la literatura existente sobre modelos cognitivos y algoritmos de inteligencia artificial (IA). Para dejar este punto claro, formalizamos la idea de una plantilla de agente que especifica los roles para LLMs individuales y cómo deben componerse sus funcionalidades. Luego, examinamos una variedad de agentes de lenguaje existentes en la literatura y destacamos sus plantillas subyacentes, derivadas directamente de modelos cognitivos o algoritmos de IA. Al destacar estos diseños, nuestro objetivo es llamar la atención sobre las plantillas de agentes inspiradas en la ciencia cognitiva y la IA como una herramienta poderosa para desarrollar agentes de lenguaje efectivos e interpretables.
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.