本研究提出了一种名为HEMA的双重记忆系统，旨在提高大型语言模型在长时间对话中的连贯性。HEMA结合了Compact Memory和基于余弦相似性的Vector Memory，实验结果显示其在300个回合对话中显著提升了事实回忆的准确率和连贯性。

本文介绍了一种基于认知创造力理论的计算模型，旨在提升人工智能的学习和推理能力。该模型结合了符号处理与神经网络，建立了目标导向的双重记忆系统，推动了人工通用智能的发展。同时，探讨了神经科学与认知心理学对人工智能的影响，强调了抽象推理和因果理解的重要性。