论文库
支撑 六项能力的所有工作，汇聚一处。
综述引用的工作，按其支撑的能力或所属应用领域排列。年代越久的工作，位于图谱越深处。下方表格呈现同一论文库，可供搜索、筛选与复制引用。第二个标签页按应用领域列出综述深入分析的代表性工作。
- 论文
- 1410
- 代表性工作
- 80
- 领域
- 13
- 时间跨度
- 1937–2026
拖动以环绕查看 · 点击聚类将其展开 · 放大查看单篇论文
3D 图谱需要 WebGL。下方表格列出了相同的论文。
| 操作 |
|---|
| 操作 |
|---|
没有符合这些筛选条件的条目。
Proactive AI（主动式 AI）：面向Superintelligent Agents（超级智能体）
AI Agent（智能体）能够推理、规划、使用工具，并执行长时程任务。
许多智能体仍依赖人类来 识别值得做的工作，并启动这些工作。
联合综述，来自
1,410 篇被引文献 · 80 项深入分析的代表性工作 · 13 个应用领域
为何重要
能力出众的Agent（智能体）仍可能依赖他人来 发现待办工作。
它能够完成分配的任务，但接下来需要做什么，仍须由人来发现。
长时程工作无法在一开始就被完整规定。Proactiveness（主动性）能减轻监控和反复下达指令的负担。
超级智能为何需要它
Intelligence（智能能力）与Alignment（价值与目标对齐）仍有一种能力 尚未涵盖。
- Intelligence（智能能力）扩展了Agent（智能体）能够完成的事项。
- Alignment（价值与目标对齐）关注其行为是否服务于人类的意图与价值观。
- Proactiveness（主动性）补足了识别值得做的工作，并在未收到明确请求时主动发起的能力。
目标是经过校准的主动性。过于轻率地行动会打扰人类、追逐错误目标，或超出授予的权限。过度犹豫则会让重要需求得不到回应。
被动响应
Agent（智能体）在收到请求时行动。
收到任务说明后，被动响应式Agent（智能体）便着手完成。需要做的工作已由人类识别，而任务说明中尚未明确的事项，则等待下一条指令。
任务执行空间
一条指令只规定了部分工作。
任务说明列明了目标、约束、资源与计划，即 明确的任务指令。其中尚未决定的部分，就是 Residual decision space（剩余决策空间）。
定义
主动性存在于指令尚未明确的空间中。
Proactiveness（主动性）是行使 delegated residual discretion（受托剩余裁量权）的能力。
主动式Agent（智能体）在遵守任务既定目标与约束的同时，处理权衡、填补流程空白、应对突发情况，并重新规划。
连续谱 · 被动响应
被动响应
Agent（智能体）遵循逐步指令，人类通过一条条命令操作它。被动响应性与Proactiveness（主动性）处于同一连续谱的两端，大多数已投入使用的系统位于两者之间。
连续谱 · Mixed-initiative（混合主动）
Mixed-initiative assistance（混合主动式辅助）
Agent（智能体）提出计划，人类给予引导。人类成为协作者。
连续谱 · 自发发起
Self-initiated agency（自发能动性）
Agent（智能体）推进工作并汇报进度。人类成为审阅者。
历史脉络
主动能动性延续了一个由来已久的研究议题。
主动能动性汲取了控制论、规划、Agent（智能体）理论、普适计算、Mixed-initiative interaction（混合主动式交互）与目标推理的成果。每一条研究传统都将智能体可作出的决策，拓展到完全规定的目标之外。
历史脉络
基础模型重新融合了这些研究传统。
它们在开放、以语言为媒介的情境中整合早期机制。这让Proactiveness（主动性）更加通用，也使经过校准的主动性更为必要：Agent（智能体）何时应先行一步，应推进到什么程度，又何时必须询问、暂缓或保持沉默？
机制
六项能力将情境转化为经过校准的主动性。
Awareness（持续感知）持续掌握局势，Anticipation（预测与预见）识别未来需求。Agenda（目标生成与持续管理）形成过程将需求转化为行动承诺。Arbitration（主动干预决策）判断是否应当介入。Action（执行行动）在权限范围内实施干预。Adaptation（反馈与适应）从结果中学习。
Anticipation（预测与预见）与Arbitration（主动干预决策）回应了自发发起工作所特有的两项要求。 其余四项在通用 AI Agent（智能体）中已有成熟作用，但其主动式形态可能需要大幅调整。
闭环形成
Adaptation（反馈与适应）为其余所有能力提供反馈。
快速反思纠正单次干预。慢速校准则调整Agent（智能体）下次应对谁展现多大程度的主动性。
应用 · 13 个领域
主动性与权限沿不同轴线增长。
每条横条表示某领域Agent（智能体）的任务来源范围，从执行指令到履行长期授权。所在行表示它们首次行动时获准做什么，数字则表示综述深入分析的代表性工作数量。尚无领域达到第五级，即由智能体自行生成Agenda（目标生成与持续管理）。
权限 · 经审批的行动
大多数领域的行动均设有审批关口。
编程与 GUI Agent（智能体）已能依据预测和长期授权开展工作，但其影响重大的步骤仍须经过审查。医疗与法律领域仍分别由临床医生和律师把关。
权限 · 建议
三个领域仅提供建议。
信息获取、智慧城市与教育停留在建议层面，娱乐则横跨建议与行动。其主要制约各不相同：教育与娱乐的反馈缓慢或噪声较大；智慧城市的权责分散，并须对公众负责；信息获取则受制于用户模型，以及基准测试对适时保持沉默的覆盖程度。
权限 · 无监督
尚无领域在无人监督下行动。
AutoResearch 是极端案例。在人类指定的顶层问题下，其系统可将高度执行Autonomy（授权自主程度）与任务范围内的主动性结合起来，且行动仍在审批关口内进行。其主要制约是新颖性与重要性，以及physical oracle（物理判定器）的成本与延迟。
跨行业
三个模式在各领域反复出现。
大多数系统将基础模型核心与领域专用机制相结合。越来越多的系统开始执行长流程工作。进一步改进受制于验证与反馈基础设施：Agent（智能体）能以多低的成本、多快的速度、多高的可靠性，从自发行动中学习。
赢得Autonomy（授权自主程度）
Autonomy（授权自主程度）是人类授予的权限。
Intelligence（智能能力）提供推理与执行的能力。Alignment（价值与目标对齐）使其朝向人类的意图与价值观。Proactiveness（主动性）使这些能力能在residual decision space（剩余决策空间）中自发运用。当它们得到可靠运用，就会积累赢得信任的过往记录；Autonomy（授权自主程度）则基于这种已经证明的可靠性而被授予。
未来方向
迈向经过校准的Proactiveness（主动性）。
综述最后提出三个方向：推进能力及其评估；以安全边界、同意与问责来治理主动性；以及从个人Agent（智能体）到具身、互联生态系统的应用前沿。
尾声
这一次，Agent（智能体）先开口。
它注意到变化，判断行动确有必要、时机合适且可被接受，在权限范围内拟好补救方案，并把决定权留给你。
从等待指令，到发现值得做的工作。
Proactive AI（主动式 AI）：面向Superintelligent Agents（超级智能体）
作者
参与机构
University of Illinois Urbana-Champaign
SC 01 · 等待
TC 00:00:00:00