Github
论文项目介绍：🐨CoALA: 超级语言代理
CoALA，即认知框架下的语言代理（Cognitive Architectures for Language Agents），是一个专注于语言代理的项目，致力于利用认知架构打造出智能的语言交流助手。该项目不仅汇集了最新的研究和开发成果，还为推动语言学界和人工智能的发展提供了一个丰富多元的平台。
项目概述
CoALA项目通过定义语言代理的行为空间，从而系统化地设计这些代理的结构。其中的行为空间可以分为两大部分：
- 外部动作：与外部环境交互，这部分被称为“基础”（grounding）。
- 内部动作：与内部记忆如短期工作记忆和可选的长期记忆（经验的情节记忆、知识的语义记忆和代码/语言模型的过程记忆）进行交互，包括“推理”（reasoning）、“检索”（retrieval）和“学习”（learning）。
在 CoALA 框架下，一个语言代理通过一系列决策周期来选择要采取的动作。每个决策周期包含两个阶段：
- 规划阶段：代理通过推理和检索动作反复提出并评估不同的动作，然后选择一个学习或基础动作。
- 执行阶段：执行选定的学习或基础动作，以影响代理的内部记忆或外部环境。
这种分阶段的决策过程不仅提升了语言代理的智能化表现，还使其在面对复杂环境时能更灵活地调整自己的行为。
重要文献
CoALA 库中汇集了大量关于语言代理的研究论文，涵盖各种最新的科研成果和思想。诸如《AI Chains: Transparent and Controllable Human-AI Interaction by Chaining Large Language Model Prompts》、 《Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents》等。这些论文不仅为研究人员提供了理论支持，也在实际应用中起到了指导作用。
资源与贡献
项目配套的几个关键资源如 LLM Powered Autonomous Agents (Lil’Log)、LLM-Agents-Papers等，为研究者与开发者深入了解并参与项目提供了便利。此外，项目还鼓励广大开源社区成员通过提出请求（pull requests）来丰富项目内容，促进技术的一同进步。
CoALA 项目展示了将认知架构与语言代理技术结合在一起的无尽潜力，为推动人工智能技术在语言处理和人机交互领域的应用开辟了新的可能性。
