Understand Then Memory: A Cognitive Gist-Driven RAG Framework with Global Semantic Diffusion
CogitoRAG通过模拟人类认知记忆过程,利用语义概要提取与全局语义扩散机制,提升复杂知识整合与推理能力。
2026-03-09 cs.AI cs.CL
A Neurosymbolic Framework for Interpretable Cognitive Attack Detection in Augmented Reality
George Washington University(乔治华盛顿大学);Duke University(杜克大学);Pennsylvania State University(宾夕法尼亚州立大学);Northeastern University(东北大学)
本文提出CADAR框架,结合神经网络与符号推理,用于增强现实中的认知攻击检测,通过多模态表示和统计推理提升检测的可解释性和鲁棒性。
2025-11-27 cs.AI cs.CV
A Spacetime Approach to Generalized Cognitive Reasoning in Multi-scale Learning
在现代机器学习中,模式识别取代了实时语义推理。从输入到输出的映射是通过有意识地训练结果来学习的,具有固定的语义。这是一个昂贵的和静态的方法,它严重依赖于一个非常特殊的类型的先验训练数据的可用性,在单步的进行推断。传统的语义网络方法,另一方面,多步推理的基础上模态逻辑和手工制作的本体,这是特设的,昂贵的建设,和脆弱的不一致。这两种方法都可以通过混合方法来增强,该混合方法将推理与模式识别完全分离。在这份报告中,一个准语言的方法来知识表示进行了讨论,时空结构的动机。来自不同来源的令牌化模式被集成,以构建一个轻度约束和近似无标度的网络。然后用非常简单的递归算法来解析这些数据,以生成“头脑风暴”的推理知识集。
2017-08-01 cs.AI cs.LG
Graph-Native Cognitive Memory for AI Agents: Formal Belief Revision Semantics for Versioned Memory Architectures
Kumiho Inc.(科米霍公司)
本文提出Kumiho架构,结合正式信念修订语义,实现统一的图原记忆系统,通过双重存储模型和混合检索方式,在LoCoMo和LoCoMo-Plus基准测试中取得显著性能提升。
2026-03-18 cs.AI cs.IR cs.LO
Multi-System Cognitive Steering for Generative Communication
Champalimaud Research(尚帕朗研究)
针对生成式通信中稀疏输入导致的意图误解问题,提出认知引导框架,结合多模态上下文与AI控制方法,在模拟缩写基准上实现约88%前5扩展准确率,为未来通信界面提供混合架构方案。
2026-10-13 cs.AI
Semantic, Cognitive, and Perceptual Computing: Advances toward Computing for Human Experience
Wright State University(莱特州立大学);Bosch Research and Technology Center(博世研究与技术中心)
万维网继续发展,并作为承载大量多模式和多传感器观测的基础设施。这些观察捕捉到了与人们的需求和兴趣相关的各种情况以及他们的所有特质。为了支持以人为本的计算,使人们能够做出更好和及时的决策,我们期待着由人类感知和认知启发的计算。为了实现这一目标,我们讨论了语义计算,认知计算和计算的一个新兴方面,我们称之为感知计算的计算范式。在我们看来,这些提供了一个连续体,可以最大限度地利用与人类需求和利益相关的大量,不断增长和多样化的数据。我们提出的细节感知计算的特点是解释和探索操作相媲美的交织底部和顶部的大脑处理。本文由两部分组成。首先,我们描述语义计算、认知计算和感知计算,以区分它们,同时承认它们的互补能力。然后,我们提供了一个概念性的概述,这三个范例中最新的-感知计算。为了进一步了解,我们专注于哮喘管理的应用场景,将海量,异构和多模式(大)数据转换为可操作的信息或智能数据。
2015-10-20 cs.AI
A Dynamical Framework for Cognitive Processes Based on Transformations and Semantic Equivalence
Engineering School, DEIM, University of Tuscia, (VT), 01100, Italy(1 工程学院,DEIM,图齐亚大学,(VT),01100,意大利);Department of Physics, University of Sao Paulo, USP(2 物理系,圣保罗大学,USP;法律系,里贝拉奥普雷托大学,Unaerp,巴西);Department of Law, University of Ribeirao Preto, Unaerp, Brazil
提出一个基于变换和语义等价性的动力学框架,通过迭代更新规则建模认知过程,并利用不动点论证和收缩条件确保稳定性,在语言应用中展示上下文依赖解释的轨迹。
2026-04-29 cs.AI
The Missing Knowledge Layer in Cognitive Architectures for AI Agents
Independent Researcher(独立研究者)
针对现有AI智能体认知架构(如CoALA和JEPA)缺乏独立知识层的问题,提出四层分解架构(知识、记忆、智慧、智能),各层具有不同的持久性语义,并通过Python和Rust实现验证了架构分离的可行性。
2026-06-16 cs.AI
ACF: A Collaborative Framework for Agent Covert Communication under Cognitive Asymmetry
School of Cyberspace Security, Beijing University of Posts and Telecommunications(北京邮电大学网络空间安全学院)
本文提出ACF框架,解决代理网络中因认知不对称导致的通信同步问题,通过解耦隐蔽通信与语义推理,实现无需认知对称的高效隐蔽通信。
2026-04-09 cs.AI cs.CR
From edges to meaning: Semantic line sketches as a cognitive scaffold for ancient pictograph invention
J. Crayton Pruitt Family Dept. of Biomedical Engineering, University of Florida(J. Crayton Pruitt家族生物医学工程系,佛罗里达大学);Research Institute of Electrical Communication, Tohoku University(电气通信研究所,东北大学);Dept. of Electrical and Computer Engineering, University of Florida(电气与计算机工程系,佛罗里达大学);Dept. of Computer and Information Science and Engineering, University of Florida(计算机与信息科学与工程系,佛罗里达大学);Center for Cognitive Aging and Memory, University of Florida(认知衰老与记忆中心,佛罗里达大学)
研究提出人类通过稀疏线条识别物体的能力源于大脑对视觉输入的压缩倾向,构建了生物启发的视觉层级模型,揭示了象形文字的神经计算起源。
2026-04-15 cs.AI
Emerging Human-like Strategies for Semantic Memory Foraging in Large Language Models
Champalimaud Research(恰帕拉德研究);Centre for Restorative Neurotechnology(修复性神经技术中心);Indiana University(印第安纳大学)
本研究通过分析大语言模型中的语义流畅任务,探索其语义记忆采集策略,揭示人类与AI在认知机制上的异同。
2026-03-02 cs.AI
Quantum Cognitive Triad. Semantic geometry of context representation
本文描述了一个算法的语义表示的行为上下文相对于二分法的决策方案。上下文表示为二维希尔伯特空间中的量子比特态,可视化为布洛赫球上的点。这个球体的方位角坐标充当一维语义空间,其中根据上下文与所考虑的不确定性的主观相关性来容纳上下文。上下文处理的三元组由一个主题的知识定义的二元情境因素。所获得的三元组的上下文表示功能作为稳定的认知结构,同时允许一个主题的模型概率变化的行为。所开发的算法说明了一种基于量子理论的概念和数学装置的行为的定量主观语义建模方法。
2020-12-22 cs.AI q-bio.NC quant-ph
Natural Computational Architectures for Cognitive Info-Communication
Chalmers University of Technology(查尔姆斯理工大学);Mälardalen University(梅拉达伦大学)
最近对40年来认知架构研究的全面概述(Kotseruba和Tsotsos 2020)评估了人类核心认知能力的建模,但仅略微解决了基于自然计算的生物学上合理的方法。这篇迷你评论提出了一系列的观点和方法,这些观点和方法在最近的过去塑造了生物启发的计算模型的发展,这些模型可以导致生物学上更现实的认知架构的发展。为了描述从基础细胞到人类水平认知的自然认知架构的连续体,我们使用进化信息计算框架,其中自然/物理/形态计算导致日益复杂的认知系统的进化。四十年前,当第一个认知架构被提出时,对认知、体现和进化的理解是不同的。信息物理学、生物信息学、信息化学、计算神经科学、复杂性理论、自组织、进化论、信息与计算等学科的最新发展也是如此。新的发展支持一个建设性的跨学科框架的认知架构的计算性质的背景下,在不同层次的组织,导致机构的复杂化和认知能力的提高,成分之间的相互作用。我们确定了几个重要的研究问题,进一步调查,可以增加对认知的理解,在自然界中,并激发认知技术的新发展。最近,基底细胞认知因其在医学、新计算技术以及微机器人和纳米机器人中的可能应用而引起了人们的极大兴趣。
2021-10-01 cs.AI q-bio.NC
Commonsense Scene Semantics for Cognitive Robotics: Towards Grounding Embodied Visuo-Locomotive Interactions
University of Bremen(不来梅大学);Örebro University(厄勒布鲁大学)
我们提出了一个常识性的,定性的模型体现视觉空间和机车互动的语义基础。其主要贡献是将低级视觉处理与植根于人工智能的以人为本的空间和运动表示相结合的综合方法。我们展示了实际的适用性,涉及对象的相互作用和室内运动的例子。
2017-09-15 cs.AI cs.CV cs.RO
Robust Natural Language Processing - Combining Reasoning, Cognitive Semantics and Construction Grammar for Spatial Language
Sony Computer Science Laboratories Inc.(索尼计算机科学实验室公司);University of Bremen(不来梅大学)
我们提出了一个系统,用于生成和理解机器人交互设置中的动态和静态空间关系。机器人描述了一个环境的移动块使用英语短语,包括空间关系,如“跨越”和“在前面”。我们在机器人-机器人交互中评估了该系统,并表明该系统可以鲁棒地处理视觉感知错误,语言遗漏和不合语法的话语。
2016-07-20 cs.AI cs.CL
OSC: Cognitive Orchestration through Dynamic Knowledge Alignment in Multi-Agent LLM Collaboration
Sun Yat-sen University(中山大学);Alibaba Group(阿里巴巴集团)
针对多智能体大语言模型协作中深度高效语言交互不足的问题,提出OSC认知协同编排框架,通过CKM实现动态认知感知与自适应通信,显著提升任务性能与协作效率。
2025-09-05 cs.AI
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
Towards High-Level Semantic Intelligence
Shanghai Jiao Tong University(上海交通大学);Nanjing University(南京大学);Shanghai Artificial Intelligence Laboratory(上海人工智能实验室)
综述从语义复杂性角度审视人工智能语义智能发展,系统调研高级语义任务研究,总结理解和生成的相关方法及策略,旨在推动人工智能向高级语义智能持续发展。
2026-07-28 cs.AI
Theoretical Foundations for Semantic Cognition in Artificial Intelligence
本文提出一种基于信念状态形式化建模的模块化认知架构,通过认知真空和零塔等理论构造,支持自我调节的认知代理进行反思性、目标导向的思考,并可在符号及神经系统中实现。
2025-05-23 cs.AI
Automated Extraction of Spatio-Semantic Graphs for Identifying Cognitive Impairment
Arizona State University(亚利桑那州立大学);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出从 Cookie Theft 图片描述中自动提取内容信息单元以构建时空语义图,从而刻画视觉叙事路径,实验证明该方法可有效区分认知受损与未受损人群,且效果与人工标注相当甚至更好。
2025-02-02 cs.AI cs.CL cs.CV
Cognitive Learning-Aided Multi-Antenna Communications
University of Luxembourg(卢森堡大学);Duzce University(迪兹杰大学);United States Army Research Laboratory(美国陆军研究实验室)
认知通信已经成为一种有前途的解决方案,可以增强、适应和发明超越传统无线网络的新工具和功能。深度学习(DL)在实现认知系统的基本功能方面至关重要,因为它具有快速预测性能,自适应行为和无模型结构。这些特征对于产生和处理大量数据的多天线无线通信系统尤其重要。多个天线可提供分别改善容量、误比特率或信号与干扰加噪声比的复用、分集或天线增益。在实际应用中,多天线认知通信面临着数据复杂性和多样性、硬件复杂性以及无线信道动态性等方面的挑战。诸如联邦学习、迁移学习和在线学习的DL解决方案在通信处理的各个阶段解决这些问题,包括多信道估计、混合波束形成、用户定位和稀疏阵列设计。本文概述了各种基于DL的方法,可将认知行为赋予多天线无线通信,以提高鲁棒性并适应环境变化,同时提供令人满意的频谱效率和计算时间。我们从数据、学习和收发器架构的角度讨论DL设计挑战。特别是,我们建议量化的学习模型,数据/模型并行化和分布式学习方法来解决上述挑战。
2022-04-02 cs.AI cs.IT cs.LG
CLLMRec: LLM-powered Cognitive-Aware Concept Recommendation via Semantic Alignment and Prerequisite Knowledge Distillation
Xihua University, Chengdu 610039, China(西华大学)
CLLMRec通过语义对齐和先决知识蒸馏,利用大语言模型实现认知感知的概念推荐,无需依赖结构化知识图谱。
2025-11-26 cs.AI cs.IR
Improving Language Models for Emotion Analysis: Insights from Cognitive Science
University of Bern(伯尔尼大学);Université Paris-Saclay(巴黎萨克雷大学);CNRS(法国国家科学研究中心);ENS Paris-Saclay(巴黎萨克雷高等师范学校);LMF;LISN
本文提出利用认知科学关于情感与沟通的研究来改进用于情感分析的语言模型,介绍了主要情感理论、NLP情感标注方法及认知语用学分析类型,并指出了改进方向,为构建新的标注方案、方法和情感理解基准铺平道路。
2024-08-26 cs.AI cs.CL
Semantic Image Retrieval by Uniting Deep Neural Networks and Cognitive Architectures
SingularityNET Foundation(奇点网基金会);Novamente LLC(Novamente有限责任公司);ITMO University(圣彼得堡国立信息技术机械与光学大学);Cisco(思科)
图像和视频检索的语义内容一直是一个重要的和具有挑战性的任务多年来,因为它最终需要弥合符号/子符号的差距。最近在深度学习方面取得的成功使许多类别的物体检测大大优于传统的计算机视觉技术。然而,能够执行检索查询的深度学习解决方案仍然不可用。我们提出了一种混合解决方案,由用于目标检测的深度神经网络和用于查询执行的认知架构组成。具体来说,我们使用YOLOv 2和OpenCog。实现了允许检索包含指定类别和指定空间布置的对象的视频帧的方法。
2018-06-14 cs.AI cs.CV cs.IR
CGFM-Nav: Cognitive Graph-Field Memory for Semantic-Guided Lifelong Multimodal Embodied Navigation
National University of Singapore(新加坡国立大学)
该研究针对视觉与语言导航中环境表征的不足,提出CGFM及基于其的CGFM-Nav框架,在GOAT-Bench实验中提升了导航的成功率与SPL,验证了方法的有效性。
2026-09-01 cs.AI cs.RO
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
Neural Network based Formation of Cognitive Maps of Semantic Spaces and the Emergence of Abstract Concepts
University Erlangen-Nuremberg(埃尔朗根-纽伦堡大学);University Hospital Erlangen(埃尔朗根大学医院)
内嗅复合体在记忆和思维的组织中起着重要作用。通过位置和网格细胞形成和导航任意心理空间的认知地图可以作为记忆和经验及其相互关系的表示。提出了多尺度后继表示作为位置和网格单元计算的数学原理。在这里,我们提出了一个神经网络,它学习基于32种不同的动物物种编码为特征向量的语义空间的认知地图。神经网络成功地学习了不同动物物种之间的相似性,并基于后继表示原理构建了“动物空间”的认知地图,其准确率约为30%,接近理论最大值,因为所有动物物种都有一个以上的可能后继,即特征空间中的最近邻。此外,分层结构,即不同尺度的认知地图,可以基于多尺度后继表示来建模。我们发现,在细粒度的认知地图,动物向量均匀分布在特征空间。相比之下,在粗粒度地图中,动物病媒根据其生物类别(即两栖动物、哺乳动物和昆虫)高度聚类。这可能是解释新的抽象语义概念出现的一种可能机制。最后,即使是全新的或不完整的输入,也可以通过从认知图中插值表示来表示,其精确度高达95%。我们的结论是,后继表示可以作为过去的记忆和经验的加权指针,因此可能是未来机器学习的关键构建块,包括先验知识,并从新的输入中获得上下文知识。
2022-10-28 cs.AI cs.CL q-bio.NC
MAPS: Modeling Co-Existing Subjective Perspectives and Shared Meaning in Multi-Agent Cognitive Dialogue
研究针对当前AI对话系统问题,提出MAPS框架,通过领域加权配置文件、动态GRU记忆和令牌级注意力,让智能体保持个性化推理并趋向共享意义,在多数据集评估中支持语义对齐且不损主观性,为可解释对话系统发展提供路径。
2026-07-17 cs.AI cs.CL
NeuroBridge: Bio-Inspired Self-Supervised EEG-to-Image Decoding via Cognitive Priors and Bidirectional Semantic Alignment
针对视觉神经解码中刺激-脑响应对稀缺及语义不匹配问题,提出自监督架构NeuroBridge,整合认知先验增强与共享语义投影器,在跨模态对齐上超越现有方法,提升零样本检索准确率。
2026-10-30 cs.AI cs.CV
Improving Cooperation in Language Games with Bayesian Inference and the Cognitive Hierarchy
Brigham Young University(杨百翰大学)
本文提出结合贝叶斯推断与认知层级建模伙伴类型,处理语义和语用不确定性,在Codenames游戏中提升合作表现。
2024-12-16 cs.AI cs.GT
Proceedings of the 2016 Workshop on Semantic Spaces at the Intersection of NLP, Physics and Cognitive Science
本卷包含了2016年研讨会在自然语言处理,物理学和认知科学的交叉点语义空间(SLPCS 2016),这是在斯特拉斯克莱德大学,格拉斯哥举行的6月11日的会议记录,并与量子物理和逻辑(QPL 2016)位于同一地点。利用向量空间概念提供的共同基础,研讨会汇集了从事自然语言处理(NLP)、认知科学和物理学交叉领域工作的研究人员,为他们提供了一个适当的论坛,以展示他们独特的工作动机和想法。这三个学科之间的相互作用激发了理论上的动机的方法来理解单词的含义如何在句子和话语中相互作用,图解推理如何描绘和简化这种相互作用,语言模型如何由来自世界的输入决定,以及单词和句子的含义如何在逻辑上相互作用。第一期研讨会包括三个特邀演讲嘉宾(Hans Briegel,Peter Gärdenfors,Dominic Widdham)和八个选定的贡献论文的演讲。每一份提交的文件都由方案委员会至少三名成员审阅,他们提出了详细和有见地的意见和建议。
2016-08-02 cs.AI cs.CL math.CT
Learning a Vector-Symbolic Model for Socio-Cultural Tasks
The Pennsylvania State University(宾夕法尼亚州立大学)
该研究针对社会文化结构对决策的表征问题,在ACT-R认知架构中提出带向量符号自编码器的陈述性记忆系统,结合HRR编码,通过IAT测试验证其有效性。
2026-08-05 cs.AI cs.CL
Cross-linguistic disagreement as a conflict of semantic alignment norms in multilingual AI~Linguistic Diversity as a Problem for Philosophy, Cognitive Science, and AI~
Japan Advanced Institute of Science and Technology(日本先进科学技术学院);Victoria University of Wellington(惠灵顿维多利亚大学);Macquarie University(麦考瑞大学);Nanzan University(南山大学);Kyoto University(京都大学)
本文通过考察多语言LLM在英语和日语中的回答,揭示跨语言分歧源于跨语言一致性与民间判断一致性两种对齐规范的冲突,并指出这构成概念性跨语言知识障碍,需多学科协作应对。
2025-03-01 cs.AI cs.CL
Learning Proxemic Behavior Using Reinforcement Learning with Cognitive Agents
Escuela de Ingeniería, Universidad Central de Chile(智利中央大学工程学院);School of Information Technology, Deakin University(迪肯大学信息技术学院);Escola Politécnica de Pernambuco, Universidade de Pernambuco(伯南布哥大学伯南布哥理工学院)
近位学(Proxemics)是非语言交流的一个分支,主要研究人和动物的空间行为。这种行为是通信过程的重要组成部分,因为它划定了与另一个存在交互的可接受距离。随着越来越多的人与代理交互的研究,需要新的替代方案,允许最佳的通信,避免代理感到不舒服。几个作品考虑与认知代理人,人机交互技术和机器学习实现的知识行为。然而,环境考虑固定的个人空间和代理以前知道it.In这项工作中,我们的目标是研究如何代理在环境中的行为的基础上,ememic的行为,并提出了一个修改后的gridworld的目标。这种环境考虑了具有向代理人提供不同意信号的不一致行为的发行人。我们的研究结果表明,学习代理可以识别的空间时,发行人给出反馈代理的性能。
2021-08-08 cs.AI cs.HC
A Cognitive Study on Semantic Similarity Analysis of Large Corpora: A Transformer-based Approach
IIIT Naya Raipur(新赖布尔印度信息技术学院)
针对传统神经网络在语义相似度建模中上下文提取不当的问题,本文提出基于Transformer的DeBERTa变体方法,结合K折交叉验证在专利短语匹配数据集上实验,取得0.79平均Pearson相关系数,性能优于传统技术。
2023-06-25 cs.AI cs.CL cs.NE
Embedding Enhancement via Fine-Tuned Language Models for Learner-Item Cognitive Modeling
East China Normal University(华东师范大学);Tencent Inc(腾讯公司);Shanghai Innovation Institute(上海创新研究院)
本文提出EduEmbed框架,通过微调语言模型提升学习者-项目认知建模的嵌入表示,在多种认知诊断任务中实现稳健性能。
2026-04-05 cs.AI cs.CL cs.CY
AI-Driven Green Cognitive Radio Networks for Sustainable 6G Communication
Liverpool John Moores University(利物浦约翰摩尔斯大学);University Institute of Computing(计算大学学院);Chandigarh University(昌迪加尔大学);Gyancity Research Consultancy(Gyancity研究咨询公司)
本文提出基于人工智能的绿色认知无线电网络,结合深度强化学习与迁移学习,优化频谱感知和资源分配,提升6G通信的能效与可持续性。
2025-12-23 cs.AI cs.LG cs.NI
Grounded learning for compositional vector semantics
本文提出在脉冲神经网络中实现组合分布语义学,以解决概念绑定问题,并利用带标签图像训练词表示,从而提升认知合理性。
2024-01-10 cs.AI cs.CL cs.NE