Modelos Cognitivos e Algoritmos de IA Fornecem Modelos para Projetar Agentes de Linguagem
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
Resumo
Embora os modelos de linguagem de grande porte (LLMs) contemporâneos sejam cada vez mais capazes de forma isolada, ainda existem muitos problemas complexos que estão além das habilidades de um único LLM. Para tais tarefas, ainda há incerteza sobre a melhor forma de considerar vários LLMs como partes e combiná-los em um todo maior. Este artigo de posição argumenta que potenciais modelos para projetar tais agentes de linguagem modulares podem ser encontrados na literatura existente sobre modelos cognitivos e algoritmos de inteligência artificial (IA). Para tornar este ponto claro, formalizamos a ideia de um *template* de agente que especifica funções para LLMs individuais e como suas funcionalidades devem ser compostas. Em seguida, examinamos uma variedade de agentes de linguagem existentes na literatura e destacamos seus *templates* subjacentes, derivados diretamente de modelos cognitivos ou algoritmos de IA. Ao destacar esses projetos, visamos chamar a atenção para *templates* de agentes inspirados na ciência cognitiva e na IA como uma ferramenta poderosa para desenvolver agentes de linguagem eficazes e interpretáveis.
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.