现在提问，稍后使用：基准测试长生命周期 LLM 代理中的主动性差距

长生命周期 LLM 代理的价值在于跨会话响应用户偏好，但现有代理往往被动接收信息，缺乏主动询问未言明偏好的能力，导致“主动性差距”。本文提出“询问以记忆”（ATR）任务，即代理决定是否在当前无关任务中询问可复用的用户偏好。为此构建了首个 ATR 基准测试 ATRBench，通过隐藏真实偏好评估代理的主动获取能力。实验显示，当前主流代理表现显著低于理想水平，且提示工程改善有限，表明信息获取是主要瓶颈。