该文综述了提升智能代理认知与学习能力的多种方法，包括注入领域知识改善文本游戏代理、基于OntoAgent的对话建模、少样本知识图谱推理的元学习框架、人类引导因果知识实现机器人泛化、可塑性神经网络自主学习、认知创造力计算模型、范畴论自我意识框架、概念空间知识表示，以及探索驱动学习统一监督与强化学习。

该文汇集多篇研究，探讨人工智能与自然智能的关系，主要观点包括：提出智能的三层嵌套概念框架；统一监督学习与强化学习中的探索驱动学习；将认知心理学应用于机器学习，使AI通过内部状态与探索行为自我发展；提出探索型人工智能（EAI），利用大模型自主生成训练数据以提升复杂推理；讨论AI在航空航天、可解释性与科学发现中的应用，并指出将人类专业知识分布纳入无监督模型可提高预测未来发现的能力。