Emotional Cognitive Modeling Framework with Desire-Driven Objective Optimization for LLM-empowered Agent in Social Simulation
College of Intelligence and Computing（智能与计算学院）；Faculty of Environment, Science and Economy（环境、科学与经济学院）
本文提出一个包含欲望生成与目标管理的情感认知框架，使LLM智能体在模拟中实现情感对齐，实验证明其行为更贴近人类模式。
2025-10-15 cs.AI
Cognitive algorithms and systems of episodic memory, semantic memory and their learnings
本文探讨了情景记忆和语义记忆的认知系统及其学习机制，通过分析海马体损伤对记忆的影响，揭示记忆获取、存储和组织的神经机制。
2026-02-06 cs.AI cs.ET q-bio.NC
Trusting Your AI Agent Emotionally and Cognitively: Development and Validation of a Semantic Differential Scale for AI Trust
University of Washington（华盛顿大学）
本研究针对AI信任中情感与认知维度缺乏有效测量工具的问题，开发并验证了27项语义差异量表，通过调查和实验揭示了两维度互动及其对整体信任的影响，并为LLM培养信任提供了见解。
2024-11-07 cs.AI cs.HC
Mind2: Mind-to-Mind Emotional Support System with Bidirectional Cognitive Discourse Analysis
University of Arkansas（阿肯色大学）
针对现有情绪支持系统缺乏及时语境与可解释性的问题，提出Mind2框架，通过动态话语语境传播窗口和双向认知话语分析生成支持对话，仅用10%训练数据就达到了当前最优水平。
2025-03-17 cs.AI cs.CL
Dynamic Demonstration Retrieval and Cognitive Understanding for Emotional Support Conversation
Sun Yat-sen University（中山大学）；Alibaba group（阿里巴巴集团）；Guangdong Provincial Key Laboratory of Fire Science and Intelligent Emergency Technology（广东省火灾科学与智能应急技术重点实验室）；Pazhou Lab（琶洲实验室）
针对情感支持对话，本文提出\ourwork，通过个性化动态示范检索和基于ATOMIC四类认知关系的情境理解，生成更具共情与认知感知的回复，并在十项指标上最高提升13.79%。
2024-04-03 cs.AI cs.CL
A Machine with Short-Term, Episodic, and Semantic Memory Systems
Vrije Universiteit Amsterdam（瓦赫宁海姆大学）；Technische Universiteit Delft（代尔夫特理工大学）
本文提出了一种具有短期、事件性和语义记忆系统的智能体模型，通过知识图谱实现各记忆系统的建模，并在自研环境中验证了该模型在记忆编码、存储与检索上的优势。
2026-05-17 cs.AI
Emotion in Cognitive Architecture: Emergent Properties from Interactions with Human Emotion
Shizuoka University（静冈大学）
本文介绍了在计算认知架构中表示情感的努力。第一部分介绍了研究组织与两个轴的情绪影响：愉快和唤醒。在情感成分的基础上，该文档讨论了情感的涌现特性的一个方面，展示了与人类用户的交互研究。结合作者过去的研究，本文得出结论，认知人-智能体交互方法的优势在于能够代表人类的内部状态和过程。
2022-12-28 cs.AI cs.HC
Human-AI Interactions and the Psychological Triad: A Multi-Domain Survey of Cognitive, Behavioral, and Emotional Impacts
Texas A&M University-Kingsville（德克萨斯A&M大学金斯维尔分校）；Texas A&M University（德克萨斯A&M大学）
该研究从认知、行为、情感三重视角综述人机交互的近期研究，指出AI在提升记忆、创造力等的同时存在思维退化、依赖等风险，呼吁负责任的场景化AI设计并填补相关研究空白。
2026-10-26 cs.AI cs.CY cs.HC
Cognitively-Inspired Episodic Memory Architectures for Accurate and Efficient Character AI
Simon Fraser University（西蒙弗雷泽大学）
针对现有角色AI方案存在的回复质量与延迟的权衡问题，提出认知启发的结构化情景记忆架构，实现高效准确的历史人物对话，还可支持传记分析可视化，适配资源受限场景。
2025-11-01 cs.AI cs.CL cs.HC
Emotional control - conditio sine qua non for advanced artificial intelligences?
Goethe University Frankfurt（法兰克福歌德大学）
人类处理两个交织的信息处理途径，通过神经放电模式的认知信息处理和通过神经调节的扩散音量控制。传统上认为大脑中的认知信息处理是人类智能的主要神经相关环节，临床研究表明人类的情绪与神经调节系统的激活有着内在的联系。我们在这里研究的问题：为什么人类处理扩散的情绪控制系统？这是一个巧合，一个大自然的反复无常，也许是我们遗传遗产的残余，或者是任何先进智能的必要方面，无论是生物还是合成？我们认为，在信息、计算能力和时间构成稀缺资源的环境中，情绪控制是解决激励问题（即短期效用函数的选择）所必需的。
2011-12-06 cs.AI q-bio.NC
Supporting Cognitive and Emotional Empathic Writing of Students
University of St.Gallen（圣加仑大学）；Carnegie Mellon University（卡内基梅隆大学）；University of Passau（帕绍大学）；University of Kassel（卡塞尔大学）
我们提出了一个注释的方法来捕捉情感和认知共情的学生写的同行评议的商业模式在德国。我们提出了一个注释方案，使我们能够根据三种类型的审查组件的情感和认知共情分数模型。此外，我们进行了一项注释研究，根据92名学生的文章，以评估我们的注释方案与三个注释。获得的评分者间一致性α = 0.79的组件和多π = 0.41的共情分数表明，所提出的注释方案成功地引导注释者达到实质性到中等程度的一致性。此外，我们训练了预测模型来检测注释的共情结构，并将其嵌入自适应写作支持系统中，以便学生独立于教师，时间和地点获得个人共情反馈。我们评估了我们的工具，在同伴学习练习与58名学生，发现有希望的结果感知移情技能学习，感知反馈的准确性，并打算使用。最后，我们提出了我们的免费语料库的500共情注释，学生写的同行评议的商业模式和我们的注释准则，以鼓励未来的研究共情支持系统的设计和开发。
2021-05-31 cs.AI cs.CL cs.HC
A Mathematical Model of Motivated Emotional Mind - Cognitive Embodied System
本文为具身智能系统提出动机情感心智架构的数学模型，通过动机学习与再入回路形式化，整合感知、记忆和情感控制，以维持内稳态并优化行动选择。
2026-09-18 cs.AI q-bio.NC
Why It Hurts: Identifying the Drivers of Negative Thoughts in Emotional Support Conversations
King’s College London（伦敦国王学院）；JinFlow Intelligence Ltd.（金流智能公司）；The Alan Turing Institute（阿兰·图灵研究所）
本研究针对LLM情感支持任务中认知评估维度显著性被忽视的问题，推出AppraiSal基准并提出基于贝叶斯逆规划的多智能体概率框架PRISM，提升了LLMs识别情境特定显著评估维度的能力。
2026-09-01 cs.AI cs.CL cs.HC
A Comparative Study on the Impact of Traditional Learning and Interactive Learning on Students' Academic Performance and Emotional Well-Being
Taylor’s University, School of Computer Science, Subang Jaya, Malaysia（塔里尔大学计算机科学学院，Subang Jaya, 马来西亚）
本研究比较传统与互动学习对大学计算机入侵检测课程学生学业成绩、参与度和情感幸福感的影响，发现互动学习在学业表现和情感状态上显著优于传统学习。
2026-03-10 cs.AI cs.HC
EMP-EVAL: A Framework for Measuring Empathy in Open Domain Dialogues
National University of Computer and Emerging Sciences（国立计算机与新兴科学大学）
在谈话中测量共情可能具有挑战性，因为共情是一个复杂而多方面的心理结构，涉及认知和情感成分。人类的评估可能是主观的，导致不一致的结果。因此，需要一种用于测量共情的自动方法，该方法减少了对人类评估的需要。在本文中，我们提出了一种新的方法EMP-EVAL，一个简单而有效的自动移情评估方法。所提出的技术需要情感，认知和情感共情的影响。据我们所知，我们的工作是第一个在没有人类注释的情况下系统地测量同理心的工作。实验结果表明，我们的指标可以与人类的偏好，实现人类的判断相当的结果。
2023-01-29 cs.AI
Successor Feature Neural Episodic Control
RobotLearn（机器人学习实验室）；INRIA Grenoble（法国国家信息与自动化研究所格勒诺布尔分院）；LJK（让·昆兹曼实验室）；UGA（格勒诺布尔阿尔卑斯大学）
本文提出将情景控制与后继特征及广义策略改进（SF&GPI）整合于单一强化学习框架，以实现快速学习与策略迁移，并实证表明该结合能提升样本效率并有效重用已学策略。
2023-08-02 cs.AI cs.LG
A consequence of failed sequential learning: A computational account of developmental amnesia
本研究提出了一种计算模型，解释发展性遗忘的机制，指出海马体序列学习能力受损导致事件记忆受损，但不影响识别和语义学习。
2026-02-13 cs.AI cs.ET q-bio.NC
Decomposing Theory of Mind: How Emotional Processing Mediates ToM Abilities in LLMs
本研究通过对比激活加法引导，发现LLMs的理论思维能力提升由情绪处理而非分析推理所驱动。
2025-11-19 cs.AI
Toward Natural and Companionable Virtual Agents via Cross-Temporal Emotional Modeling
Communication University of China（中国通信大学）；Microsoft Research Asia（微软亚洲研究院）；Institute of Artificial Intelligence, China Telecom（中国电信人工智能研究院）
本文提出CTEM框架，通过链接长期行为历史与即时情感表达，提升虚拟代理的自然性和情感和谐度，实验显示在21天的真实场景中效果显著。
2026-05-15 cs.AI cs.HC
Episodic Future Thinking Mechanism for Multi-agent Reinforcement Learning
Soongsil University（崇实大学）；School of Electronic Engineering（电子工程学院）
本文提出情景式未来思考机制，通过多角色策略推断其他智能体角色并预测其未来动作，从而在多智能体交互中自适应决策，实验表明其奖励优于现有多智能体方法。
2024-10-22 cs.AI cs.LG cs.MA
Echo: A Large Language Model with Temporal Episodic Memory
Institute of AI Education, East China Normal University（华东师范大学人工智能教育学院）；School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）
针对LLM在情景记忆任务上的不足，提出带时间情景记忆的Echo模型，通过多智能体数据生成框架训练，并在EM-Test基准上显著超越现有模型。
2025-02-22 cs.AI cs.CL cs.LG
GENESIS: A Generative Model of Episodic-Semantic Interaction
Institute of Cognitive Sciences and Technologies, National Research Council（认知科学与技术研究所，国家研究理事会）
GENESIS模型通过整合语义和事件记忆的生成式系统，揭示了记忆作为主动、构造性和资源受限过程的原理性机制。
2026-02-18 cs.AI q-bio.NC
Causal Learning by a Robot with Semantic-Episodic Memory in an Aesop's Fable Experiment
University of East Anglia（东英吉利大学）；University of Essex（埃塞克斯大学）
乌鸦，猿，和儿童解决乌鸦和投手的任务（从伊索寓言）表明一个因果关系的理解任务。通过与不同对象的累积交互，认知主体如何抽象出潜在的因果关系来预测新对象的启示？我们通过在机器人上重新制定伊索寓言任务来解决这个问题，并提出a）语义情景记忆的脑引导神经模型; b）四个任务不可知的学习规则，这些规则将回忆过去的情景与当前情景进行比较，以逐步提取隐藏的因果关系。随后的机器人行为说明了因果学习;对新对象的预测收敛到阿基米德原理，独立于学习过程中探索的对象及其累积探索的顺序。
2020-02-29 cs.AI cs.RO
Emergence of Episodic Memory in Transformers: Characterizing Changes in Temporal Structure of Attention Scores During Training
Indiana University Bloomington（印第安纳大学布鲁明顿分校）
本研究通过认知科学方法分析不同规模GPT-2模型的注意力分数与输出，发现其注意力头存在类似人类情景记忆的时间连续性等效应，归纳头是连续性效应的关键，揭示Transformer上下文学习中信息时间组织机制。
2025-02-09 cs.AI cs.CL cs.LG
A Cognition-Emotion-Personality Framework for Modeling Human-Like Awareness and Behavior in Emergency Evacuations
提出一个集成认知、情绪、社会与人格机制的疏散仿真框架，通过动态事件意识、记忆模型、连续恐惧模型和OCEAN人格表征，揭示认知与情绪过程如何影响疏散效率并产生现实人群现象。
2026-06-28 cs.AI
PRIME: Large Language Model Personalization with Cognitive Dual-Memory and Personalized Thought Process
Computer Science and Engineering, University of Michigan, Ann Arbor, MI（计算机科学与工程系，密歇根大学，安娜堡分校）；Department of Political Science, Northeastern University, Boston, MA（政治学系，东北大学，波士顿分校）
该研究提出融合认知双记忆与个性化慢思考的 PRIME 框架，并构建基于 Reddit CMV 的长上下文个性化数据集，实验证明其可捕捉动态用户偏好。
2025-09-26 cs.AI cs.CL
Episodic Memories Generation and Evaluation Benchmark for Large Language Models
Huawei Technologies Co., Ltd.（华为技术有限公司）
本研究提出一个综合框架和基准，用于建模和评估大型语言模型的情景记忆能力，发现即便最先进模型在处理复杂时空关系时仍存在显著不足。
2025-01-21 cs.AI cs.CL cs.LG
Towards sample-efficient episodic control with DAC-ML
Institute for Bioengineering of Catalonia (IBEC)（加泰罗尼亚生物工程研究所）；Universitat Pompeu Fabra (UPF)（庞培法布拉大学）；Catalan Institute for Research and Advanced Studies (ICREA)（加泰罗尼亚研究与高等研究院）
人工智能中的样本低效问题是指当前深度强化学习模型无法在少量事件内优化动作策略。最近的研究试图通过添加记忆系统和架构偏差来克服这一限制，以提高学习速度，例如情景强化学习。然而，尽管取得了渐进式的改进，它们的表现仍然无法与人类学习行为策略的方式相提并论。在本文中，我们利用分布式自适应控制（DAC）的思想和大脑理论的设计原则，建立一个新的认知架构（DAC-ML），通过将校园启发的顺序记忆系统，可以快速收敛到有效的行动政策，最大限度地提高奖励收购在一个具有挑战性的觅食任务。
2020-12-26 cs.AI q-bio.NC stat.ML
Emotional Responses in Artificial Agent-Based Systems: Reflexivity and Adaptation in Artificial Life
Instituto Superior de Ciências Sociais e Políticas (ISCSP) - University of Lisbon（里斯本大学高级社会科学与政治学院（ISCSP））
目前的工作解决了一个虚拟环境与自我复制代理人的决定是基于一种形式的“体细胞计算”（体细胞-身体），其中基本的情感反应，采取平行于实际的生物体，被引入作为一种方式，以提供更大的自反能力的代理人。这项工作为人工智能（AI）和人工生命（ALife）领域做出了贡献，并为人工系统和虚拟环境模拟提供了基于神经生物学的认知框架。能够情绪反应的代理的性能进行了比较，与自我复制的自动机，和情感和人工智能的研究，在连接到虚拟代理以及机器人的影响，解决有关可能的未来方向和应用。
2014-01-09 cs.AI nlin.AO
Cognitive Extensions for Dual-Process Language Agents: Memory and Self-Reflection in Interactive Environments
Instituto Superior Técnico, Universidade de Lisboa（里斯本大学高等技术学院）；INESC-ID（INESC-ID研究所）
本研究通过为双过程语言智能体SwiftSage添加自适应记忆模块和自我反思模块，在ScienceWorld环境中显著提升了任务成功率，并发现执行时间控制是主要瓶颈。
2026-09-17 cs.AI cs.LG cs.MA
High-fidelity social learning via shared episodic memories enhances collaborative foraging through mnemonic convergence
Donders Institute for Brain, Cognition and Behaviour（唐德斯脑、认知与行为研究所）；Radboud University（拉德堡德大学）；Alicante Institute of Neuroscience（阿利坎特神经科学研究所）；Universidad Miguel Hernandez de Elche（埃尔切米格尔·埃尔南德斯大学）
本文利用可共享情景记忆的SEC智能体研究集体觅食，发现高保真社会学习能促进群体记忆对齐、提升资源收集效率与分配公平性，而低保真学习仅增加记忆多样性却无表现增益。
2024-12-28 cs.AI cs.MA
APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation
Sun Yat-Sen University（中山大学）；Shenzhen MSU-BIT University（深圳北理莫斯科大学）；Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院）
APTNESS框架通过评价理论构建共情回复数据库并结合情感支持策略与检索增强，从认知和情感共情两方面提升大语言模型的共情回复能力。
2024-07-23 cs.AI cs.CL
DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations
National Computer System Engineering Research Institute of China（中国国家计算机系统工程研究所）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；University of Chinese Academy of Sciences（中国科学院大学）
会话中的情感识别（ERC）在开发移情机器方面越来越受到关注。近年来，许多方法致力于通过深度学习模型感知会话上下文。然而，这些方法都是不够的，在理解的背景下，由于缺乏能力，提取和整合的情感线索。在这项工作中，我们提出了新的上下文推理网络（DialogueCRN），从认知的角度充分理解会话上下文。受情绪认知理论的启发，我们设计了多轮推理模块来提取和整合情绪线索。推理模块模仿人类独特的认知思维，反复执行直觉检索过程和有意识推理过程。在三个公共基准数据集上的实验证明了该模型的有效性和优越性。
2021-06-09 cs.AI cs.CL
Embedding Models for Episodic Knowledge Graphs
Siemens AG（西门子股份公司）；Ludwig Maximilian University of Munich（慕尼黑大学）；ETH Zurich（苏黎世联邦理工学院）
近年来，已经产生了许多大规模的面向三元组的知识图谱，并且已经提出了各种模型来在这些图中执行学习。大多数知识图谱都是静态的，反映了世界的当前状态。当然，在现实中，世界的状况正在发生变化：一个健康的人被诊断出患有疾病，一位新总统就职。本文将静态知识图谱的模型扩展到时态知识图谱。这使我们能够存储情景数据并概括新的事实（归纳学习）。我们概括了静态知识图谱的领先学习模型（即，Tucker、RESCAL、HolE、ComplEx、DistMult）到时间知识图谱。特别是，我们引入了一个新的张量模型，ConT，具有优越的泛化性能。所有提出的模型的性能进行了分析，在两个不同的数据集：全球数据库的事件，语言和音调（GDELT）和数据库的综合冲突预警系统（ICEWS）。我们认为，时间知识图谱嵌入也可能是模型的认知情景记忆（事实，我们记得，可以选择）和语义记忆（当前的事实，我们知道）可以产生从情景记忆的边缘化操作。我们用ICEWS数据集验证了这一情节到语义投影假设。
2018-12-03 cs.AI cs.IR cs.LG
Spatially-Aware Transformer for Embodied Agents
KAIST（韩国科学技术院）；SAP（思爱普公司）
本文提出融入空间信息的 Spatially-Aware Transformer 与基于强化学习的 Adaptive Memory Allocator，构建时空双维度的地点中心情景记忆，提升具身智能体的记忆效率及多类下游任务表现。
2024-03-01 cs.AI cs.LG
Lessons from Neuroscience for AI: How integrating Actions, Compositional Structure and Episodic Memory could enable Safe, Interpretable and Human-Like AI
通过整合动作、组合结构和事件记忆，改进基础模型以实现安全、可解释和类人的人工智能。
2025-12-27 cs.AI physics.bio-ph q-bio.NC
ZifaMem: Structured Memory for Persona, Preference, and Emotional Continuity in AI Companions
ZifaCorp（紫发公司）；University of Science and Technology of China（中国科学技术大学）；Fudan University（复旦大学）
研究针对人工智能伴侣情感连续性问题，提出结构化记忆系统ZifaMem，通过组织对话形成多种记忆模型。实验表明其能提升情商得分、改善人物形象基础等，多种记忆系统均有改善，且ZifaMem与Mem0在主要偏好端点统计等效，相关工具已开源。
2026-07-21 cs.AI cs.LG
Assessing Episodic Memory in LLMs with Sequence Order Recall Tasks
Max Planck Institute for Software Systems（马克斯·普朗克软件系统研究所）；Intel Labs（英特尔实验室）；University of Texas at Austin（德克萨斯大学奥斯汀分校）；Princeton University（普林斯顿大学）；Princeton Neuroscience Institute（普林斯顿神经科学研究所）；New York University（纽约大学）
本文引入了序列顺序回忆任务（SORT）来评估LLMs的情景记忆能力，发现当文本仅在训练期间提供时模型表现不佳，而在上下文中提供相关文本时表现良好，为记忆增强模型的发展提供了新框架。
2024-10-10 cs.AI cs.CL cs.LG
DASentimental: Detecting depression, anxiety and stress in texts via emotional recall, cognitive networks and machine learning
University of Exeter（埃克塞特大学）；Max Planck Institute for Human Development（马克斯·普朗克人类发展研究所）；University of Warwick（华威大学）
目前大多数的情感量表和对书面文本的情感分析都集中在量化情感的最主要维度--效价（情感）。然而，情绪比效价更广泛、更复杂。区分类似效价的负面情绪在心理健康等背景下可能很重要。该项目提出了一种半监督机器学习模型（DASentimental），用于从书面文本中提取抑郁，焦虑和压力。首先，我们训练模型，以发现$N=200$个体回忆起的情感词序列如何与他们对抑郁焦虑压力量表（DASS-21）的反应相关。在认知网络科学的框架内，我们将每一个回忆起的情绪列表建模为在语义记忆的网络化心理表征上的行走，情绪根据人们记忆中的自由联想而连接。在几种经过测试的机器学习方法中，我们发现一个基于单词序列和语义网络距离训练的多层感知器神经网络可以实现对抑郁症（$R = 0.7$）、焦虑症（$R = 0.44$）和压力（$R = 0.52$）的最新交叉验证预测。虽然受样本量的限制，这种首创的方法，使DAS水平背后的关键语义维度的定量探索。我们发现，语义之间的距离回忆的情绪和二元体“悲伤快乐”是估计抑郁水平的重要特征，但不太重要的焦虑和压力。我们还发现，从“恐惧”的回忆语义距离可以提高预测焦虑，但它变得多余时，考虑“悲伤-快乐”的二元体。采用DASentimental作为一个半监督学习工具来估计文本中的DAS，我们将其应用于142个自杀笔记的数据集。最后，我们讨论了人工智能检测压力、焦虑和抑郁的未来研究的关键方向。
2021-10-26 cs.AI cs.CL cs.CY
R-CAGE: A Structural Model for Emotion Output Design in Human-AI Interaction
Independent Researcher（独立研究者）
针对长期人机交互中反复情感输出导致的认知过载与解释失配，论文提出 R-CAGE 四模块结构框架，将情绪设计为可持续单元以保护用户自主性与心理恢复。
2025-05-11 cs.AI cs.CY cs.HC
From Cognitive Binary Logic to Cognitive Intelligent Agents
Computer Science, `Spiru Haret' University, Bucharest, Romania Faculty of Engineering, `Aurel Vlaicu' University, Arad, Romania
自我意识和智力之间的关系是一个悬而未决的问题。尽管自我意识通常与情商有关，但这里的情况并非如此。本文所描述的问题是如何建模的代理知道（认知）二进制逻辑，也能够通过（没有任何错误）的图灵测试，旨在验证其知识和它的话语的模态状态的真理对应的命题二进制逻辑的语言中的格式良好的公式的某些家庭。
2011-06-18 cs.AI cs.LO math.LO
Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing
Peking University（北京大学）；Tencent Inc（腾讯公司）
研究针对统一多模态模型在长时多模态对话中的局限，提出认知结构多模态智能体，通过外化视觉信息等方式改进。开发统一场景引擎，构建评估基准。实验显示该智能体检索准确率高、推理时间减半，还介绍了工具包，为长时多模态智能体提供新范式。
2026-07-10 cs.AI cs.CL cs.CV
Trust model of privacy-concerned, emotionally-aware agents in a cooperative logistics problem
Univ. Carlos III de Madrid（卡洛斯三世大学）
本研究提出一种融合情绪与隐私考量的BDI范式信任模型，在GAMA平台实现并经协作物流仿真验证，可同时提升智能体作业效率与隐私保护水平。
2024-01-25 cs.AI cs.MA
Intelligent architectures for robotics: The merging of cognition and emotion
University of Maryland（马里兰大学）
情感在智能机器人中的地位是什么？在过去的二十年里，研究人员一直主张在自主智能体的一般信息处理架构中包含一些与情感相关的组件，比如为了更好地与人类沟通，或者灌输一种行动的紧迫感。这里提出的框架超越了这些方法，并提出情感和动机需要与建筑的各个方面相结合。因此，认知情感整合是一个关键的设计原则。情感不是赋予机器人“感觉”的“附加物”（例如，报告或表达其内部状态）。它允许感知、计划和行动的重要性成为其所有计算的组成部分。据推测，一个复杂的人工智能不能建立在独立的认知和情感模块。一个假设的测试灵感来自图灵测试，称为多洛雷斯测试，提出来测试这一论断。
2019-02-01 cs.AI cs.RO
GCAgent: Long-Video Understanding via Schematic and Narrative Episodic Memory
Integrated Vision and Language Lab., School of Electrical Engineering, Korea Advanced Institute of Science and Technology (KAIST)（整合视觉与语言实验室，电气工程学院，韩国科学技术院（KAIST））；Visual Intelligence Research Section, Superintelligence Creative Research Laboratory, Electronics and Telecommunications Research Institute (ETRI)（视觉智能研究部，超智能创意研究实验室，电子电信研究院）
针对多模态大语言模型长视频理解的长期依赖难题，本文提出GCAgent框架，依托图式与叙事情景记忆及多阶段推理循环，在Video-MME基准上取得7B规模模型最优性能。
2025-11-15 cs.AI cs.CV
Exploring Augmentation and Cognitive Strategies for AI based Synthetic Personae
Simon Fraser University（西蒙弗雷泽大学）
针对大语言模型构建合成角色时的黑箱与幻觉问题，本研究提出将其用作数据增强系统并构建认知记忆框架，初步验证相关技术可提升合成角色可靠性，拓展HCI研究路径。
2024-04-16 cs.AI cs.HC cs.IR
OnlineMate: An LLM-Based Multi-Agent Companion System for Cognitive Support in Online Learning
Shanghai Jiao Tong University（上海交通大学）
OnlineMate通过基于LLM的多智能体系统，结合理论思维，为在线学习提供个性化认知支持，提升学习深度与情感参与。
2026-01-07 cs.AI cs.CY
The TEA Nets framework combines AI and cognitive network science to model targets, events and actors in text
CogNosco Lab, Department of Psychology and Cognitive Science, University of Trento（CogNosco实验室，心理学与认知科学系，特伦托大学）
TEA Nets框架通过认知网络科学和人工智能提取文本中的主体、事件和目标，展示了在阴谋文本和LLM生成文本中进行可解释情绪检测、语义框架分析和语言研究的能力。
2026-04-30 cs.AI cs.CY cs.HC
Persona-E$^2$: A Human-Grounded Dataset for Personality-Shaped Emotional Responses to Textual Events
School of Future Technology（未来技术学院）
本文提出Persona-E$^2$数据集，通过标注MBTI和Big Five特质，捕捉读者对新闻、社交媒体和生活叙事的情感变化，发现性格信息显著提升理解，缓解'性格幻觉'。
2026-04-18 cs.AI cs.CL cs.HC
From Particles to Agents: Hallucination as a Metric for Cognitive Friction in Spatial Simulation
Computational Social Science. ETH Zürich（ETH Zurich计算社会科学）；Virginia Tech School of Architecture（弗吉尼亚理工大学建筑学院）
本文提出代理环境模拟，通过认知摩擦度量揭示建筑空间的象征性模糊，挑战传统HCI范式，提出人类中心的认知编排框架。
2026-01-29 cs.AI cs.CY cs.HC
