AI主动性研究进展

1995年，Michael Wooldridge和Nicholas Jennings将自主性、交互能力、反应性和主动性列为智能体的四项基本特征。 主动性意味着智能体能够围绕目标主动开展工作。 大模型智能体已能理解指令、调用工具并独立完成任务，但许多系统仍需人发现问题、提出任务。 智能助手还需在新的指示到来之前，发现值得做的工作并主动处理。 这项能力直接影响长程任务的持续推进。 设想一位研究者将会议出行交给助手跟进，出发前一周会议延长，返程航班因此早于会议结束时间，酒店的免费取消期限又在当晚截止。

继续完成这次出行，需要助手发现这些安排之间的冲突，核对调整条件，准备方案，并及时提出需要研究者决定的事项。 订票时的指令，很难预先写明这一连串变化该如何处理。 对于未来的超级智能体，主动性应当与智能和对齐一起受到重视。 智能关系到理解、推理和执行能力，对齐关系到行为是否符合人的意图与价值。 主动性还要求智能体判断什么值得做，并承担发现和发起工作的责任。 一个能够长期协作的助手，需要具备这几方面的能力。 Meta将Muse定位为能够围绕人的目标主动提供帮助、持续推进工作的个人智能体；

OpenAI的dots支持跨对话持续跟进任务，也可以从获准读取的信息中主动研究，发现与既有工作有关的新情况。 学术界也在研究具体的实现方式。 清华大学等机构的Proactive Agent研究如何根据情境预测任务，在没有明确指令时主动提供帮助； 香港中文大学等机构的ProAgent利用可穿戴设备获取环境信息，推断日常活动中的需求，并调用工具提供协助。 如何发现需求、选择值得开展的工作，再把它持续推进，是这些探索共同面对的问题。

UIUC、谷歌、斯坦福、UC Berkeley和CMU的研究者在《Proactive AI for Superintelligent Agents》中，围绕主动发起工作这一能力，提出6A分析框架，梳理相关机制、评测方法和13个应用领域。 读者可以借助这个框架理解现有系统，也可以据此思考一个主动智能体还需要哪些能力。 智能体需要自行作出哪些判断按要求查询航班、完成订票时，需要开展的工作已经由人指出。 会议延长之后，助手需要自行发现返程与住宿受到影响，判断哪些安排值得重新检查，并提出后续工作。

参会目标和预算仍然适用，具体需要处理哪些事项，要根据变化后的情况判断。 这种自行发现并发起工作的能力，是综述讨论主动性时的重点。 综述把这些判断归为两个问题：什么值得处理，以及是否、何时、怎样介入。 返程冲突影响参会目标，检查返程安排因此有明确理由。 发现冲突之后，助手还需要比较调整的收益与费用，考虑取消期限，并决定当前适合准备方案、请求确认，还是执行已经获准的操作。 一项指令可以规定参会日期、预算上限和允许使用的账户。 转机风险与票价如何取舍、住宿无法延长时怎样调整、哪些已有安排值得保留，往往留待执行时判断。

论文用「剩余决策空间」描述这些未被预先规定的选择。 主动性既可以用于完成当前任务，也可以在持续职责下发现新的具体工作； 人的目标和约束为这些选择提供依据。 发起工作的能力与执行权限可以分别安排。 助手主动发现行程冲突，准备了改签方案，付款可以留给研究者确认； 研究者明确要求改签后，助手也可以独立完成已获授权的操作。 主动性关注工作怎样被发现和提出，自主程度关注系统可以独立执行到哪一步。 智能支持它理解和解决问题，对齐则关系到行为是否符合人的意图与价值。 同一助手可以采用多种工作方式。

收到查询请求后回答航班信息，到预定时间发出登机提醒，根据新的会议安排主动检查行程，都可以在一个系统中出现。 随着系统承担的职责变化，人也可以从逐项操作，转为共同修改方案，再转为审核关键决定。 响应式行为、主动判断和人的参与方式，需要结合具体任务一起理解。 从一封改期通知 到一次主动协助 在行程例子里，自行发现工作依赖于几个相互配合的能力。 通知和订单提供当前情况，预判帮助识别后续影响，目标选择决定跟进哪些事项，介入判断决定何时推进，执行与反馈则让工作继续。

综述将这些能力归为6A：Awareness、Anticipation、Agenda、Arbitration、Action和Adaptation。 大语言模型和多模态模型能够处理文本、图像及其他情境信息，Agent harness提供的记忆、工具、技能和执行管理扩展了智能体的工作能力，使它能够接入外部应用、保存进度，并跨会话继续任务。 6A框架帮助解释这些能力怎样用于发现和推进工作，以及不同环节之间怎样相互影响。

Awareness 核对新通知与已有安排 新的会议结束时间、原定返程时间和酒店取消期限，分散在通知、机票与酒店订单中。 助手将这些信息与当前的参会目标关联，更新对行程的理解。 此时会议延长已经确认，机票和酒店仍按原来的日期预订，后续判断有了明确的起点。 跨会话工作还依赖信息的保存与更新。 记忆中保留参会目标、预算和已完成的安排，新的通知改变其中的日期。 缺少改签条款时，助手可以主动查询； 再次接续工作时，它可以沿用仍然有效的记录。

Awareness涵盖这种状态跟踪、信息获取和记忆管理，也包括系统在没有新提问时如何获取相关变化。 Anticipation 判断变化会带来什么后果 有了更新后的行程，助手就能推断原返程航班会与最后一天的会议冲突。 返程延后又会产生住宿需求，可能影响预算和之后的日程。 酒店取消期限临近，也让等待产生了潜在费用。 预判把一次日期变化转化成尚未被人提出的工作需求。 这些判断同时涉及人的目标和外部条件。 参会目标决定哪些时间冲突需要处理，预算与个人安排影响方案取舍； 航班时刻、余票、改签规则和酒店条款决定方案是否可行。

论文中的用户模型与世界模型，分别帮助系统理解这些信息，并预测后续需求与环境变化。 助手还可以比较保留原安排、延后返程或选择其他方案的后果，估计提前介入能带来什么帮助。 这样的比较需要区分已核实的事实与预测中的假设。 对余票或费用的推测，可以引出一次查询，查询结果再用于修正方案。 Agenda 选择并持续跟进值得做的工作 发现返程、住宿和预算受到影响后，助手选择哪些事项进入待办，将它们组织成可以推进的工作。 待办可以包括查询改签与延住条件、准备费用对照，以及提出需要研究者决定的事项。

免费取消期限影响处理顺序，航班选择也会影响住宿安排。 Agenda关注目标的选择、优先级和持续维护。 待办中保存每项工作的依据、进度和依赖关系，能够让助手在等待确认或跨会话中断之后继续跟进。 如果延住条件已经查清、返程尚未选定，下一次接续就可以直接处理尚未完成的部分。 新的重要任务到来时，已有工作也可以调整优先级，同时保留之后恢复所需的信息。 Arbitration 判断此刻该推进到哪一步 返程与住宿已经进入待办，助手还要决定现在采取什么方式推进。 整理选项、提醒期限、请求确认和直接修改订单，产生的影响各不相同。

这一步结合证据、收益、时间与风险，决定是否介入，以及介入的时机和程度。 在这次行程中，会议日期已经确认，酒店期限也已知，因此及时准备方案有明确理由。 具体费用和延住条件仍需查询，付款与取消操作还受权限约束。 助手可以先完成信息查询与方案整理，把需要研究者决定的事项及时提出，待确认后再处理订单。 这里的判断还包括不确定性和可撤回程度。 一项调整可能解决时间冲突，同时产生较高费用； 取消订单