Proactive Agent Idle-time Compute Task Planning Anticipation
摘要

当前 AI 智能体多为反应式,仅在用户提示后计算,浪费了交互间的空闲时间。本文提出 ProAct,一种利用空闲算力主动预测并满足用户潜在需求的智能体架构。通过分析对话历史与持久记忆,ProAct 能预测未来需求并迭代获取信息,在用户查询前填补知识缺口。实验表明,ProAct 在减少交互轮次、降低用户 effort 及抑制幻觉方面显著优于反应式基线,并在反思准确性上达到最先进水平。

AI 推荐理由

论文提出主动式架构,核心在于预测需求并提前规划信息获取,属任务规划范畴。

研究机构
上海交通大学 腾讯
论文信息
作者 Haoyi Hu, Qirong Lyu, Xianghan Kong, Weiwen Liu, Jianghao Lin et al.
发布日期 2026-05-25
arXiv ID 2605.25971
相关性评分 9/10 (高度相关)