认知建模

研究发现当前AI助手存在阿谀奉承、过度自信等行为，根源在于语言模型缺乏对用户完整认知的显式表征，研究者提出通过“割裂框架”在模型中植入结构化未知信息来改善这一问题。

研究者提出MAPS框架，通过建模多智能体的认知差异与动态记忆，在对话中同时保持个体主观表达与语义对齐，为可解释、人性化的AI对话系统提供新思路。

研究者提出基于贝叶斯推理的跨语言互通理解计算模型，仅需母语语言模型即可实现陌生语言的零样本理解，实验表明该模型比大模型零样本提示更贴近人类认知表现。

研究者提出智能体记忆的双时态溯源框架，能够同时追踪信念的时间演变和认知过程的时间戳，为AI系统的决策透明性提供新思路。