Paper: Cognitive Architectures for Language Agents (CoALA)
一句话概括
CoALA从认知科学视角为语言Agent提出了一个系统化的认知架构框架，统一了记忆、推理、决策和行动等核心组件的设计。
核心思想
CoALA借鉴认知科学中的认知架构理论，为语言Agent定义了统一的组件框架：记忆模块分为工作记忆（当前上下文）、短期记忆（对话历史）和长期记忆（持久知识和经验）；决策过程包括推理（内部思考）和基础操作（与外部环境交互）；行动空间涵盖内部行动（检索、推理）和外部行动（工具调用、环境操作）。所有现有Agent系统都可以在这个框架下被理解和分析。
关键创新
1) 建立了语言Agent的统一认知架构理论；2) 系统区分了记忆的不同层次和功能；3) 明确了推理、决策和行动的关系；4) 为分析和设计新Agent系统提供了理论工具；5) 连接了认知科学和AI Agent两个研究领域。
深远影响
CoALA为Agent研究提供了急需的理论基础。它帮助研究者跳出具体实现，从更高层次理解Agent系统的设计空间和权衡取舍。
启发与思考
CoALA提醒我们：好的工程系统需要好的理论指导。当前Agent研究偏重实践而缺乏理论，CoALA的贡献在于提供了思考的框架。认知科学对人类智能的理解可以为AI Agent设计提供宝贵的指导。