Когнитивные модели и алгоритмы искусственного интеллекта предоставляют шаблоны для проектирования языковых агентов

Cognitive Models and AI Algorithms Provide Templates for Designing Language Agents

February 26, 2026

Авторы: Ryan Liu, Dilip Arumugam, Cedegao E. Zhang, Sean Escola, Xaq Pitkow, Thomas L. Griffiths

cs.AI

Аннотация

Хотя современные крупные языковые модели (LLM) демонстрируют растущую эффективность при автономной работе, многие сложные задачи по-прежнему остаются за пределами возможностей одиночной LLM. Для решения таких задач до сих пор нет ясности в том, как оптимально использовать множество LLM в качестве компонентов и объединять их в единую систему. В данной позиционной статье утверждается, что потенциальные архитектурные решения для проектирования подобных модульных языковых агентов можно найти в существующей литературе по когнитивным моделям и алгоритмам искусственного интеллекта (ИИ). Чтобы проиллюстрировать эту идею, мы формализуем концепцию шаблона агента, который определяет роли для отдельных LLM и принципы композиции их функциональностей. Далее мы рассматриваем разнообразные существующие языковые агенты из литературы и выделяем лежащие в их основе шаблоны, непосредственно заимствованные из когнитивных моделей или алгоритмов ИИ. Акцентируя внимание на этих проектных решениях, мы стремимся привлечь внимание к шаблонам агентов, вдохновленным когнитивной наукой и ИИ, как к мощному инструменту для создания эффективных и интерпретируемых языковых агентов.

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.