提出从未被要求的问题：Agent 中的水平与垂直主动性

Hugging Face Daily Papers 论文
agentic-ai tool-use proactive-agents question-answering reinforcement-learning benchmarks multi-hop-reasoning

摘要

本文提出了工具使用型 Agent 中的水平主动性与垂直主动性，并提出 Q&D 一种训练方法，在无需奖励模型或评委的情况下，通过奖励提问者获取所需证据的能力进行训练。在多跳问答基准和模拟客服场景中，训练后的提问者在三个基准中的两个上胜过了规模是其 15 倍的提示模型，表明 Agent 追求什么信息以及何时停止，与其是否未经提示就行动同样重要。

使用工具的 Agent 通常只回应用户明确提出的请求，但完成任务可能需要用户从未提到的信息。关于主动式 Agent 的研究主要关注 Agent 应该在何时以及是否自主行动，而不是它应当追求什么信息。我们研究了主动性的一个不同维度：其内容。水平主动性追求当前上下文已经指明但未被表述的信息，而垂直主动性追求只有更早的证据才能揭示的需求。一个从基准自身的任务分解中恢复出的需求图（need graph）记录了哪些需求依赖于哪些需求，因此这两种主动性形式以及 Agent 是否在恰当时机停止，都可以在无需模型评委的情况下根据对话记录进行评分。为了学习这种行为，我们提出了 Q&D（questioner and drafter，提问者与起草者），它训练提问者倾向于选择那些能够通过后续追问获取更多所需证据的问题，且不依赖奖励模型或评委。在三个多跳问答基准的留出划分上，在相同的检索开销下，训练后的提问者相比同一模型经提示后的版本，在两种主动性形式上均有提升，并在三个基准中的两个上胜过了在同一角色下规模大 15 倍的提示模型，且在控制问题数量与长度后这一优势依然存在。在无需进一步训练的情况下，我们将提问者置于一个与模拟客户交互的客服 Agent 中，它在提出更少问题的同时完成了更多任务；在零售场景中，它以更少的客户追问轮次胜过了规模大 15 倍的模型。这些结果表明，主动性不仅取决于 Agent 是否在未被要求的情况下行动，还取决于它选择追求什么以及何时停止。
查看原文
查看缓存全文

缓存时间: 2026/09/30 12:16

论文页面 - 提出从未被要求的内容：智能体中的横向与纵向主动性

来源：https://huggingface.co/papers/2609.37236

摘要

使用工具的智能体通常只对用户明确提出的要求作出响应，然而完成任务往往需要用户从未要求过的信息。关于主动型智能体的研究主要关注智能体是否应该以及何时应当自主行动，而没有关注它应当追求哪些信息。我们研究主动性的另一个维度：其内容。横向主动性追求当前上下文已经标识出来、但未被明确陈述的信息，纵向主动性则追求只有更早的证据才能揭示的需求。我们从基准自身的任务分解中恢复出一个需求图（need graph），记录哪些需求依赖于哪些需求，因此两种主动性形式以及智能体是否在正确的时机停止，都可以直接从对话记录中评分，无需模型裁判。为了学习这种行为，我们提出 Q&D（questioner and drafter，提问者与起草者），它训练一个提问者优先选择那个能在其后续过程中检索到更多所需证据的问题，且不依赖奖励模型或裁判。在三个多跳问答基准的留出划分上，在检索开销相同的条件下，训练后的提问者相比同一个模型的提示版本，同时提升了两种形式的主动性；在其中三个基准中的两个上，它还优于同角色下规模大 15 倍的提示模型，并且在控制提问数量与长度之后，该增益依然存在。无需进一步训练，我们将该提问者置于一个与模拟客户交互的客服智能体中，它在提出更少问题的同时完成了更多任务；在零售场景中，它以更少的客户追问轮次胜过了那个大 15 倍的模型。这些结果表明，主动性不仅取决于智能体是否在未被要求时就采取行动，还取决于它选择追求什么以及何时停止。

查看 arXiv 页面 (https://arxiv.org/abs/2609.37236)查看 PDF (https://arxiv.org/pdf/2609.37236)项目页面 (https://dolev31.github.io/ProactiveInquirer/)GitHub3 (https://github.com/dolev31/ProactiveInquirer)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.37236)

在你的智能体中获取这篇论文：

hf papers read 2609.37236

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型3

dolev31/ProactiveInquirer-Qwen3-8B-GGUF 文本生成• 8B• 更新于约 9 小时前 • 243 • 3 (https://huggingface.co/dolev31/ProactiveInquirer-Qwen3-8B-GGUF)

dolev31/ProactiveInquirer-Qwen3-8B 文本生成• 更新于约 9 小时前 • 33 • 2 (https://huggingface.co/dolev31/ProactiveInquirer-Qwen3-8B)

dolev31/ProactiveInquirer-Qwen3-8B-Merged 文本生成• 8B• 更新于约 9 小时前 • 634 • 1 (https://huggingface.co/dolev31/ProactiveInquirer-Qwen3-8B-Merged)

引用此论文的数据集0

没有数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2609.37236 即可从此页面链接它。

引用此论文的 Spaces0

没有 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2609.37236 即可从此页面链接它。

包含此论文的合集1

相似文章

主动式智能体的基础：原则、技术层次与Proactivity-Gym

Hugging Face Daily Papers

论文提出了一套围绕三项联合原则（3T）——任务能力（Task Capability）、时间分配（Temporal Allocation）与信任（Trust）——以及五维设计空间的主动式LLM智能体设计框架。同时介绍了Proactivity-Gym，这是一个基于仿真的测试平台，包含多日场景和基于人设（persona）的模拟用户，对23种模型-框架（harness）配置进行了评估，并开展了一项30名参与者的人类研究，结果显示即使任务结果正确，当干预与用户意图错位时，信任仍会急剧下降。

预见与学习：在主动式智能体中释放空闲时间计算能力

Hugging Face Daily Papers

ProAct 是一种主动式智能体架构，利用空闲时间计算来预见用户需求，提升任务完成的效率与准确性。它引入了 ProActEval 基准测试，涵盖 40 个领域的 200 个场景，相比被动式基线取得了显著提升：所需交互轮次减少 14.8%，用户努力降低 11.7%，幻觉率下降 28.1%。

相同准确率，不同证据：搜索API作为工具型代理的决策表面

arXiv cs.CL

本文认为，为工具型代理服务的商业搜索API应被评估为决策表面——即在预获取证据状态下决定代理行为——而非仅仅依据答案准确率。通过固定代理和三个提供商，本文表明，尽管准确率相似，但证据经济性和矛盾比率差异显著，使得提供商选择成为检索预算和政策决策。