LLM的"心智舞台"：基于全球工作区理论的认知架构
多智能体系统
2026-04-10 v1
摘要
现代大型语言模型（LLM）本质上作为受限输入受限输出（BIBO）系统运行。它们在被明确提示之前保持被动状态，计算局部化响应，缺乏内在的时间连续性。虽然在处理孤立任务方面有效，但这种反应式范式对于工程化自主人工智能构成了关键瓶颈。当前的多智能体框架试图分布式认知负载，但频繁依赖静态内存池和被动消息传递，必然导致执行期间的认知停滞和同质性死锁。为解决这一结构性限制，我们提出了受全球工作区理论启发的全局工作区智能体（Global Workspace Agents, GWA）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。通过将中心广播枢纽与功能受限智能体群体耦合，系统维持持续的认知循环。进而，我们引入基于熵的内在驱动机制，对数学上量化语义多样性，动态调节生成温度，以自主方式打破推理死锁。结合双层记忆分离策略确保长期认知连续性，GWA为持续自主LLM行为提供了稳健、可复现的工程框架。
引用
@article{arxiv.2604.08206,
title = {"Theater of Mind" for LLMs: A Cognitive Architecture Based on Global Workspace Theory},
author = {Wenlong Shang},
journal= {arXiv preprint arXiv:2604.08206},
year = {2026}
}