标签
Anthropic 推出了 Claude Duet，这是一款基于 Claude Opus 5.5 运行的主动式 AI 智能体，能够监控已连接的应用、生成每日简报并自主完成任务，与 Meta 的 MUSE 和 OpenAI 的 Dots 展开竞争。该产品目前作为研究预览版面向美国 Pro 和 Max 订阅用户通过等待名单开放使用，支持 6,000 多个连接器，并设有审批机制以管控重要操作。
论文提出了ProMemAgent，这是首个在感官知觉（第一人称视角视频与音频）之上融入情境感知前瞻性记忆的主动式LLM智能体，用于长时程辅助；同时发布了CPMBench，一个包含1000个实例的基准测试，涵盖八个日常场景类别，用于评估延迟意图辅助能力。
Lee Robinson（@leerob）分享了他在斯坦福大学 CS146S 课程中的讲座，讲解像 Bot 这样持续运行、主动行动的智能体如何工作，涵盖模型进展、智能体架构、运行框架和上下文工程。
Ghost AI 推出 Core 个人 AI 电脑，可在设备本地运行 Qwen、Gemma、Muse 等模型，通过持续收集用户生活上下文实现主动式个人助理体验，强调数据隐私与用户完全拥有 AI。
Omar Santos 认为，消费级 AI 的突破时刻将出现在 Agent 自己主动发起对话的时候。他称赞了 Lucas——一款内置于 iMessage 和 WhatsApp 的 AI 助理演示应用，能主动处理退款、预订等任务。
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。
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。
本文探讨了像Ren这样的主动AI教练工具的实用性和隐私影响，这些工具基于工作区活动促使管理者进行必要的对话。
主动代理仍是一个未解决的问题，但 Delos 使得拥有自己账户的 AI 工作者能够自主行动，集成到 Slack 和 Teams 等平台，并已部署在超过 300 家公司。
ProMediConv是一个用于法律争议调解的主动对话代理的基准测试框架，它使用真实案例来建模多阶段对话，并提出新的评估指标。旨在通过解决当前研究中的空白，推进AI辅助的冲突解决。
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。