user-intent

Google 等机构提出 StreamVibe 框架，包含 StreamVibe-Bench 基准、StreamVibe-VL 流式主动模型与 StreamVibe-Harness 分层记忆机制，使视觉语言模型能从连续视频观测中推断隐式且动态变化的用户意图，并在响应时机与主动交互上分别提升 10.7% 和 12.3%。

StreamVibe 推出了一项基准测试（StreamVibe-Bench）、一个流式主动视觉语言模型（StreamVibe-VL）和一个分层记忆框架，以实现能够感知意图的交互，理解用户隐含且不断变化的目标。与基线相比，响应质量提升了 10.7%，主动交互能力提升了 12.3%。

ByteDance 与 University of Notre Dame 的研究者提出了 Drift-Bench++，这是一个用于评估 LLM 智能体在沟通误解与用户意图演化场景下交互式意图对齐能力的基准评测流水线，并配套提出了 GRIP 评测协议，结果显示智能体的表现仍远未达到 oracle 水平。

文章主张AI智能体应区分演示请求和执行指令，以防止误解并改善用户交互。

本文提出一个框架，将静态任务转化为动态的多轮对话，以评估LLMs追踪不断演变的用户意图的能力，结果发现强大的静态性能并不能迁移到动态场景中。

本文提出一个“Genie系数”来衡量AI代理理解用户意图的程度，认为当前的基准测试未能捕捉用户所说与所想之间的差距。

解释在商业搜索中搜索意图与购买意图的区别，以及为何AI代理必须区分不同的用户意图，以避免过早变现或错失机会。

本文认为，真实的搜索查询混乱而复杂，不像AI演示中展示的干净示例，并强调了查询分类和意图拆分对AI智能体及智能客服的重要性。

提出了一种目标导向的澄清框架，利用信息增益奖励训练LLM代理，在用户指令不明确的情况下提出有效的澄清问题，在仅增加少量交互开销的情况下，将任务成功率提升了3.7%。

Google DeepMind 正在实验一种由 Gemini 驱动的 AI 指针，它能理解用户的指向意图、上下文和语音，并跨应用执行操作，从而重塑人机交互方式。