按需询问：面向经验驱动终身智能体的记忆与技能主动检索

在线终身学习使智能体能积累交互经验并持续改进长程任务。然而，现有方法通常将被动的经验检索仅限于任务初始化或步骤完成后，导致智能体难以在交互中识别知识缺口并主动获取有用经验。为此，本文提出 ProactAgent，一种基于结构化经验库的主动检索框架。该框架引入经验增强在线进化机制，通过策略更新与记忆细化实现持续改进；并将历史交互组织为事实、情景及行为技能等类型化仓库。此外，提出基于强化学习的主动检索方法，将检索建模为显式策略动作，利用成对分支过程奖励学习何时及检索何种内容，仅在能提升任务结果或效率时触发检索。