韩松等团队发布桌面主动智能体 Coco 与 Deep Personalization
MIT 韩松(Song Han)团队联合斯坦福 Diyi Yang 等研究者发布论文《Deep Personalization: Continuous Context Observation for Local Proactive Agents》,并推出端侧运行的主动式桌面智能体 Coco。论文主张 AI 正从按需响应走向全天候在线(always-on),而当前大多数个人 agent 产品的关键瓶颈是判断「什么时候该主动帮忙、什么时候不该打扰」——如同最好的人类助理懂得何时给建议、何时保持沉默。
已确认
- 方案核心是引入一个持续观察用户工作模式与隐式反馈的 Observer Agent,闭环学习用户在什么时机、什么情境下真正需要帮助,再决定是否介入;据 EchoShao 转述,主动时机判断 F1 提升 2.4–3.0 倍。
- Coco 以「观察—学习」持续闭环实现深度个性化:跟随用户工作流、维护紧凑的上下文记忆,并基于隐式反馈更新介入策略。
- 部署完全在端侧进行,兼顾隐私与持续学习;EchoShao 介绍端侧优化使 KV 缓存命中率从 26.7% 提升至 45.2%。
- 帖子 m5 提到 NVIDIA 也参与该研究,联合 Stanford、MIT 与 OpenAI 研究者共同发布。
为什么重要
- 时机判断(何时介入、何时沉默)被作者视为主动式个人助手走向实用的核心瓶颈,本文给出了可量化的改进。
- 端侧运行与深度个性化结合,为隐私敏感的个人 agent 场景提供了一条可行路径。
2026-11-16 ~ 2026-11-17 · 8 条相关
一手来源
- Deep Personalization:Observer Agent 学习「何时介入」,主动时机 F1 提升 2.4–3.0 倍 — EchoShao8899 ·
- 桌面智能体 Coco 端侧部署优化:KV 缓存命中率 26.7% 提升至 45.2% — EchoShao8899 ·
- 韩松团队等发布 Coco 桌面主动智能体:持续观察上下文并端侧运行 — stanfordnlp · 2026-11-16
- NVIDIA 论文:让 AI 学会「何时该帮你」,时机判断提升近 3 倍 — EchoShao8899 · 2026-11-16
- 【源头】Deep Personalization:Observer Agent 学习「何时介入」,主动时机 F1 提升 2.4–3.0 倍 — EchoShao8899 · 2026-11-16
- 桌面智能体 Coco 用持续个性化闭环学习何时该打扰用户 — EchoShao8899 · 2026-11-16
- 【源头】桌面智能体 Coco 端侧部署优化:KV 缓存命中率 26.7% 提升至 45.2% — EchoShao8899 · 2026-11-16
- OSWorld-Persona 基准:108 段录屏评测智能体何时该主动帮忙 — EchoShao8899 · 2026-11-16
- OSWorld-Persona 基准发布:深度个性化让主动助人时机判断提升2.4-3.0倍 — EchoShao8899 · 2026-11-16
- 深度个性化让端侧智能体时机决策 macro-F1 提升 2.4–3.0 倍 — EchoShao8899 · 2026-11-17