LLM的“心灵剧场”：基于全局工作空间理论的认知架构

现代 大语言模型 (LLM) 基本上作为有界输入有界输出 (BIBO) 系统运行。它们保持被动状态，直到明确提示，计算没有内在时间连续性的局部响应。虽然这种反应范式对于孤立任务有效，但它为工程自主人工智能带来了关键瓶颈。当前的多代理框架试图分配认知负载，但经常依赖静态内存池和被动消息传递，这不可避免地导致扩展执行期间的认知停滞和同质死锁。为了解决这种结构限制，我们提出了全局工作空间代理（GWA），这是一种受全局工作空间理论启发的认知架构。 GWA 将多智能体协调从被动数据结构转变为主动、事件驱动的离散动力系统。通过将中央广播集线器与功能受限的异构代理群耦合起来，系统可以维持连续的认知循环。此外，我们引入了一种基于熵的内在驱动机制，该机制可以在数学上量化语义多样性，动态调节生成温度以自主打破推理僵局。结合双层记忆分叉策略以确保长期认知连续性，GWA 为持续、自我导向的 LLM 机构提供了强大的、可重复的工程框架。