标签
本调查提出了一种使用大语言模型的主动服务代理统一决策框架，将问题表述为部分可观察的序列决策过程，并组织了关于主动性、时机和安全性的方法和评估指标。
作者讨论了使用开放且更便宜的AI模型进行自动化任务的好处，同时将前沿模型保留用于编排，从而实现更多主动代理。
介绍了VibeLifeBench，这是一个包含200个长周期任务、覆盖十个日常生活领域的基准测试，用于在模拟的多周生活世界中评估主动且持续的LLM智能体。当前前沿模型得分较低，凸显了现有智能体与现实生活辅助之间的差距。
Mitch Troy 宣布推出 Basis 端到端税务平台，称其为首个围绕主动型代理构建的生产部署，这些代理能自主处理纳税申报准备，同时允许会计师监督决策。
Rhys Sullivan 讨论了后台/主动代理的理想形态是 Codex Pets，并列出了一些期望的代理，比如监控 GitHub 仓库变化的代理。
本文提出Context Graphs，一种用于企业实体的实时关系数据结构，使主动型代理能够在用户查询之前呈现相关信息，并形式化描述了增量检测、主动性评分以及基于LLM的呈现等组件。
UniClawBench 提出了一个以能力为导向的基准，用于评估在动态现实世界环境中运行的主动智能体，采用实时 Docker 容器和包含多个智能体角色的闭环评估策略。
本文形式化了LLM智能体的通信策略，并提出了通信策略演化（CPE），一种通过 rollout 和提示级演化来优化通信策略的自我演化框架，在多种设置下实现了最佳任务成功率。
本文区分了可复用知识（持久上下文）与操作记忆（任务状态），这两者都是构建能够跟进复杂任务的主动型AI智能体的关键组成部分。
Ψ-Bench是一个基准测试，用于评估大语言模型通过对话影响用户的能力，并整合用户画像以进行个性化说服。实验表明，即使是最先进的模型仍有改进空间，而获取客户画像能显著提升性能。
Asuka Zheng认为，关于'训练数据即将耗尽'的恐慌是错位的；真正的稀缺在于收集多样化、长周期数据时的想象力不足，她用自己的SRE替代项目及更广泛的研究趋势说明了这一点。
本文介绍了Context——一种替代反应式聊天机器人的主动目标导向智能体新架构。通过可组合沙箱程序、声明式布线和主动状态机，本文给出了证明效率提升的形式化定理，并提供了开源实现。
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%。
一款名为Agency in Browser Use Box的新工具使AI代理能够提出目标和任务，人类可以接受或拒绝它们，并且代理会通知进度。