跳到正文
arXiv cs.CL· Giovanni Adorni, Daniele Grosso·· 23 小时前AI 评分20

自然语言编程:生成式 AI 时代下对语言、记忆与认知的重新思考

Natural Language Programming: Rethinking Language, Memory, and Cognition in the Era of Generative AI

AI 导读

论文提出“自然语言编程”(NLPg)概念,将传统 NLP 中作为计算对象的语言,重新定位为可执行的认知媒介,提示词被视作外化目标、约束与推理状态动态认知产物。作者基于分布式认知与扩展心智理论提出“对话式工作记忆”,并将 BTMA、SKGE、RMR 等记忆架构映射到情景、语义与元认知三层,以支撑长程对话连贯性。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:生成式人工智能正在改变自然语言在计算系统中的作用。在经典自然语言处理(NLP)中,语言被视为计算的对象:即用于分析、分类、翻译或生成的对象。大语言模型(LLM)挑战了这一视角,使自然语言日益成为一种可执行的认知媒介,人类借此组织推理、编排问题求解,并调控人机混合工作流。
本文提出自然语言编程(NLPg),作为传统 NLP 的理论与认识论延伸。NLPg 不只关注语言理解,而是将提示词概念化为动态认知人工物,用以外化目标、约束、假设、验证标准与中间推理状态。因此,提示不仅是技术性的交互手段,更是一种在分布式人类/AI 记忆架构中运行的对话式认知编程形式。
基于分布式认知、延展心智、元认知与对话式学习等理论,本文提出“对话式工作记忆”的概念,描述提示词与对话状态如何作为临时外部记忆结构,支持推理的连续性与反思性调控。我们进一步将现有记忆架构(BTMA、SKGE、RMR)映射到该框架中,说明情景、语义与元认知层次如何支持长程对话连贯性。
最后,本文讨论了其对计算语言学与 AI 中介知识系统的启示,提出一种后符号、后界面的范式:自然语言同时作为交流媒介、可执行规范、认知支架与分布式记忆架构发挥作用。
评论: 11 页,1 幅图,2 张表
主题: 计算与语言(cs.CL);人工智能(cs.AI)
MSC 分类号: 68T50(主),68T01,68T30(次)
ACM 分类号: I.2.7;H.5.2;I.2.0
引用为: arXiv:2611.23106 [cs.CL]
  (或 arXiv:2611.23106v1 [cs.CL] 指本版本)
  https://doi.org/10.48550/arXiv.2611.23106

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Giovanni Adorni [查看邮箱]
[v1] 2026 年 11 月 17 日星期二 17:27:01 UTC(45 KB)

来源:arXiv cs.CL · arxiv.org