Les modèles cognitifs et les algorithmes d'IA fournissent des modèles pour la conception d'agents linguistiques.
Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents
February 26, 2026
Auteurs: Ryan Liu, Dilip Arumugam, Cedegao E. Zhang, Sean Escola, Xaq Pitkow, Thomas L. Griffiths
cs.AI
Résumé
Si les grands modèles de langage (LLM) contemporains montrent des capacités croissantes en isolation, de nombreux problèmes complexes dépassent encore les capacités d'un seul LLM. Pour de telles tâches, la meilleure manière de combiner plusieurs LLMs en un système plus vaste reste incertaine. Ce document de position soutient que des plans conceptuels potentiels pour concevoir de tels agents linguistiques modulaires peuvent être trouvés dans la littérature existante sur les modèles cognitifs et les algorithmes d'intelligence artificielle (IA). Pour clarifier cette idée, nous formalisons le concept de modèle d'agent qui spécifie les rôles des LLMs individuels et la manière dont leurs fonctionnalités doivent être composées. Nous passons ensuite en revue divers agents linguistiques existants dans la littérature et mettons en évidence leurs modèles sous-jacents, directement inspirés de modèles cognitifs ou d'algorithmes d'IA. En soulignant ces architectures, nous visons à attirer l'attention sur les modèles d'agent inspirés des sciences cognitives et de l'IA comme outil puissant pour développer des agents linguistiques efficaces et interprétables.
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.