Report on The 1st Workshop on Human-Centered Proactive and Personalized Agents for Interactive Information Access at CHIIR 2026
CHIIR 2026 以人为本的主动式个性化信息访问代理研讨会报告
🧭 人本主动式 Agent 设计原则
University of Washington · AMD & UC Berkeley · TikTok · Georgetown University
系统梳理主动式信息访问Agent的人本设计议题，强调主动性须时机恰当、透明、可争议且对齐用户目标
📌 工作参考价值
- 主动推荐/导购 Agent 的触发策略不能只依赖点击预测分数，应引入 calibrated initiative：结合用户上下文、可中断性与任务阶段判断何时推送，降低打扰成本。
- 在搜索/推荐 Agent 提供主动建议时，需要内置透明与可争议机制：给用户解释“为什么此时给出该建议”，并提供快速纠正/关闭入口，避免 agent 自动化侵蚀用户控制感。
- 跨会话个性化应区分短期会话状态与长期记忆，用 memory 架构累积偏好，但必须允许用户查看、修改或删除记忆，否则信任会快速下降。
- 评估不能只看任务准确率或点击率，要加入用户福利、信任、agency/控制感等指标，尤其在电商导购、智能客服等高频交互场景中更关键。
动机：信息访问正从被动 query-response 范式转向能个性化交互、保留上下文、推断潜在需求并主动发起支持的 Agent 系统，但主动性带来自主性、隐私、信任、透明度和评估等新问题，缺乏跨学科梳理。
方法关键点：这是 CHIIR 2026 首届 Workshop 报告，汇总了信息检索、HCI、对话系统、AI 伦理、认知科学等领域的 invited talks、论文与开放讨论，涵盖 calibrated initiative、knowledge-gap navigation、long-term memory、value-sensitive design、implicit personalization、AI-mediated care、proactive dialogue 以及超越任务准确率的评估。
关键结果：没有量化实验，核心结论是——主动性不应被简单理解为更早行动或更准预测，而是一种必须时机恰当、透明、可争议并与用户目标对齐的介入形式。报告进一步归纳了设计主动式个性化 Agent 的研究挑战，指向任务目标与用户代理权之间的张力。