CogGPT: Unleashing the Power of Cognitive Dynamics on Large Language Models

本文是LLM系列文章，针对《CogGPT: Unleashing the Power of Cognitive Dynamics on Large Language Models》的翻译。

摘要

认知动态性对于促进人类对世界的理解至关重要。大型语言模型（LLM）的最新进展揭示了它们在认知模拟方面的潜力。然而，这些基于LLM的认知研究主要侧重于静态建模，忽略了认知的动态本质。为了弥补这一差距，我们提出了LLM的认知动态性概念，并在纵向研究的启发下提出了相应的任务。为了完成这项任务，我们开发了CogBench，这是一种新的基准，用于评估LLM的认知动态，并通过参与者调查进行验证。我们还为CogBench设计了两个评估指标，包括真实性和合理性。认识到LLM固有的静态性质，我们为该任务引入了CogGPT，其特点是一种创新的迭代认知机制，旨在增强终身认知动态。经验结果表明，CogGPT优于现有方法，特别是在连续信息流下促进特定角色认知动态的能力方面。

1 引言

2 任务

3 CogBench

4 方法

5 实验

6 相关工作

7 结论

在这项工作中，我们引入了LLM认知动态性的关键概念，并提出了一个具有正式定义的相关任务，解决了基于LLM的认知研究中的一个显著差距。为了完成这项任务，我们开发了一个创新的基准CogBench，并通过广泛的参与者调查进行验证。同