PASK: 迈向具有长期记忆的意图感知主动智能体
人工智能
2026-04-10 v1 计算与语言
计算机视觉与模式识别
人机交互
多智能体系统
摘要
主动性是通用人工智能（AGI）的核心期望。先前的工作主要局限于实验室环境，在现实世界的主动智能体方面留下了明显的空白：深度、复杂性、模糊性、精确性和实时性约束。我们研究了这种设定，其中有用的干预需要从持续的情境中推断潜在需求，并在延迟和长时域约束下，将行动建立在不断演变的用户记忆之上。我们首先提出DD-MM-PAS（需求检测、记忆建模、主动智能体系统）作为流式主动AI智能体的一般范式。我们在Pask中实例化了这一范式，包括用于DD的流式IntentFlow模型、用于长期MM的混合记忆（工作空间、用户、全局）、PAS基础设施框架，并介绍了这些组件如何形成闭环。我们还引入了LatentNeeds-Bench，一个基于用户同意数据构建并通过数千轮人工编辑精炼的真实世界基准。实验表明，IntentFlow在延迟约束下与领先的Gemini3-Flash模型性能相当，同时能识别更深层次的用户意图。
引用
@article{arxiv.2604.08000,
title = {PASK: Toward Intent-Aware Proactive Agents with Long-Term Memory},
author = {Zhifei Xie and Zongzheng Hu and Fangda Ye and Xin Zhang and Haobo Chai and Zihang Liu and Pengcheng Wu and Guibin Zhang and Yue Liao and Xiaobin Hu and Deheng Ye and Chunyan Miao and Shuicheng Yan},
journal= {arXiv preprint arXiv:2604.08000},
year = {2026}
}
备注
Technical report; Work in progress