#Proactive Agents

5 篇

HALO: Human-Grounded Granular Evaluation of Proactive Agents

HALO：面向主动式智能体的人类细粒度评估

🧭 主动式Agent评估与人类诊断

University of California, Davis · 2077AI · University of Southern California

提出HALO-Arena与HALO-8K，以人类细粒度诊断评估主动Agent是否、何时、多大程度干预，发现过度主动占拒绝主因

📌 工作参考价值（4 点）

做主动推荐/push/智能客服时，别只看点击或二分类接受率；可仿照 HALO 把拒绝原因细拆为 timing（过早/过晚）和 intensity（过度/不足），重点监控 Premature+Excessive 的比例，因为该研究发现 61.20% 拒绝来自过度主动。
在 Agent 介入前，先强制做证据检索：区分 structured DB 与 unstructured docs，记录 retrieval rounds；这能帮助判断是否已有足够信息，避免仅凭当前上下文过早干预。
设计决策时显式建模 action level / scope，而不是单一动作；允许系统选择“保持沉默/仅提醒/部分代劳/完全代劳”，配合人类诊断校准阈值。
可借鉴 4 类主动需求分类（Dependency, Blockage, Risk, Opportunity）为推荐/营销触发场景做需求建模，例如缺货补货提醒（Blockage）、价格风险（Risk）、关联购买（Opportunity）。

Eval | 2026-10-28 | HF Daily | score 7/10

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（4 点）

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。

Agent | 2026-08-19 | cs.HC | score 6/10

Proactive Agents Personalization Human-Centered AI Interactive Information Access Trust Evaluation

TIDE: Proactive Multi-Problem Discovery via Template-Guided Iteration

TIDE：通过模板引导迭代的主动多问题发现框架

🧭 主动式多问题发现 · 模板引导迭代 ★ 深度解读

KAIST · DeepAuto.ai

结合迭代发现与可复用思想模板，从上下文中覆盖并精确识别多个隐藏问题，并给出可执行方案

📌 工作参考价值（4 点）

迭代式主动发现：将单次预测拆成多轮，每轮基于已发现结果推进一步，可借鉴到电商/推荐中的用户兴趣探索，避免总是推荐最热商品，用类似逐轮“去重”方式打通长尾物品曝光。
模板化推理模式：从历史成功解决案例中抽取出可重用的“问题模式—证据链”模板，可迁移为推荐系统的解释模板或主动推送的消息模板，提升可解释性及行动建议的针对性。
证据+行动捆绑输出：每个发现的隐藏需求都附有支撑文档证据及具体执行动作，可用于构建可审计的推荐理由或客服Agent的主动建议，避免空泛推测。
跨模型模板复用：生成的模板在不同LLM间可直接迁移，价值在于工业场景中更换底层模型时，无需重新积累案例，降低冷启动成本。

Agent | 2026-06-02 | HF Daily | score 8/10

Proactive Agents Hidden Problem Discovery Thought Templates Iterative Discovery LLM Agents

Do Proactive Agents Really Need an LLM to Decide When to Wake and What to Anchor?

主动代理真的需要LLM决定何时唤醒与锚定吗？

🧭 主动代理的触发决策优化

Purdue University · Microsoft · Michigan State University · Georgia Institute of Technology

用小型时间图学习模型代替LLM做触发决策，显著提升效率与准确性

📌 工作参考价值（4 点）

电商智能助手的主动推送场景：将用户行为事件转化为动态图，用TGL模型实时计算触发概率和实体重要性，只在概率超过阈值时才调用LLM生成文案，大幅降低推理成本。
推荐系统召回/排序的触发环节：借鉴TGL的图结构建模用户实时行为演化，生成触发信号与路由分数，可实现低延迟的个性化触发，适合部署在移动设备边缘端。
隐私敏感场景的设备端部署：220MiB BF16的极低内存占用和13.99ms的端侧推理速度，适合在用户设备本地处理活动流，避免原始数据上传，保护隐私。
架构设计思路：将原生的结构化事件流直接作为图输入，避免“结构化→文本→结构化”的冗余转换，可以用GNN替代LLM做事件的语义理解与重要性评估，业务中类似的结构化日志场景可复用此范式。

Agent | 2026-05-28 | cs.CL | score 9/10

Proactive Agents Temporal Graph Learning Trigger Detection On-device Deployment LLM Efficiency

VitaBench 2.0: Evaluating Personalized and Proactive Agents in Long-Term User Interactions

VitaBench 2.0：长期用户交互中个性化与主动智能体基准

🧭 大模型智能体个性化与主动性评估基准 ★ 深度解读

National University of Singapore · Meituan · University of Science and Technology of China · Beijing University of Posts and Telecommunications · Zhejiang University

提出面向长期交互的个性化与主动性评估基准，揭示前沿LLM智能体在偏好推理、记忆利用和主动交互上严重落后于实际需求。

📌 工作参考价值（4 点）

个性化评估维度拆解：在推荐或对话智能体设计中，可借鉴本工作将个性化能力分解为偏好提取（从隐式行为中推理）、利用（决策时遵循偏好）和更新（应对偏好漂移）三个可量化环节，构建分层评估与诊断体系。
记忆机制的现实瓶颈：实验表明无论 Agentic Memory 还是 RAG Memory，当前模型在长期交互中都无法有效利用记忆，反而导致性能下降（Avg@4 低于 Full Context）。在业务系统中应避免过度信任记忆，需配套主动压缩、冲突消解和多轮校验策略。
主动交互是差异化能力：主动任务得分比个性化任务低 ~40%，模型往往在信息缺失时强行决策而非发起澄清。在电商导购或售后场景，可显式训练/提示智能体识别“信息缺口”并触发追问，提升用户体验。
偏好利用比提取更难：即使提供真实偏好，Strong Model 也只有约 50% 的 Pass@4，说明模型难以在复杂工具调用中持续遵循偏好。在生成式推荐中，可考虑将用户偏好向量绑定到工具选择与参数生成的全链路，而非仅作为上下文。

Eval | 2026-05-25 | HF Daily | score 8/10

Personalization Proactive Agents LLM Agents Benchmark Memory User Preference Modeling