统一智能体：跨设备交互管理

arXiv cs.AI 论文
ai-agents cross-device state-management multimodal benchmark

摘要

本文介绍了统一智能体（Unified Agent），一种有状态的AI智能体，能够在设备和时间上维护紧凑的交互状态，以处理跨设备、跨时间的用户请求，在新基准测试中优于现有智能体设计。

arXiv:2608.05729v1 Announce Type: new 摘要：随着能力的快速提升，AI智能体可以从在单个应用内运行，转向跨用户设备随时间行动。然而，现有智能体系统在此场景下仍有不足。这是因为观测分散在不同设备和时刻，但主流系统并未围绕这一事实设计：将设备视为工具的单一智能体缺乏对所有设备跨时间的有效状态管理，而多智能体系统虽在智能体之间进行协调，却无法维护跨设备、跨时间请求所需的紧凑携带状态。我们认为，智能体应维护一种有效设计的状态，将交互证据、既定事实和持续请求组织为紧凑、可直接用于行动的形式，以便根据当前观测决定其动作。为了比较状态设计，我们构建了一个跨设备和时间的用户-智能体交互基准。我们将这一原则实例化为统一智能体（Unified Agent），一种有状态智能体，它跨设备和时刻携带交互证据，并结合当前观测进行行动。在默认设置下，它显著优于我们对四种已发表设计的改编版本。在多模态大语言模型（MLLM）系列、能力和推理努力的变化中，它始终领先于所有对比系统，表明状态设计优势在不同MLLM设置下具有鲁棒性。我们的代码和数据将在GitHub上公开。
查看原文
查看缓存全文

缓存时间: 2026/08/07 07:47 

# 统一智能体：跨设备交互管理
来源：https://arxiv.org/html/2608.05729
Xinshuang Liu Runfa Blark Li Shaoxiu Wei Xin Lin Truong Nguyen
加州大学圣迭戈分校
美国加利福尼亚州圣迭戈市
\{xil235, rul002, shwei, xil321, tqn001\}@ucsd\.edu

###### 摘要
随着能力的快速提升，AI 智能体可以从在单个应用内运行，演进为跨用户的多台设备、跨时间执行操作。然而，现有智能体系统在这种场景下仍力有不逮。原因是观测分散在不同设备和时刻之间，而主流系统并非围绕这一事实设计：将设备视为工具的单一智能体缺乏对所有设备跨时间的有效状态管理

相似文章

AgentOS

Product Hunt

AgentOS 提供了一个统一控制层，用于管理 AI 代理、任务和工作空间。

UrbanAgent: A Tool-Augmented Agent for Cross-System Urban Tasks

arXiv cs.AI

UrbanAgent is a tool-augmented agent framework that uses LLMs with code execution, API calls, and MCP to handle cross-system urban requests. The authors also introduce UrbanEval, a benchmark for evaluating task results and execution quality, achieving 71% success rate over baselines.