Meta 论文：主动助手成败在「何时开口」，基线最高仅 15%
rohanpaul_ai · x · 2026-10-21
Meta 与密歇根州立大学等发布 ProPerAgent: Toward Memory-Driven Proactive Assistance 论文，研究主动式助手（如 AI 眼镜）的核心难题：没有用户提问时，系统须自行决定「是否开口、何时开口、说什么」。
- 团队构建 ProPerMem 基准：以自我中心视频搭配平均约 618K token、充满干扰信息的整年个人记忆，并人工校验触发窗口，同时给内容与时机打分。
- 所有基线模型最高只拿 15%，包括带检索增强记忆的前沿模型。
- 控制实验揭示原因：GPT-5.3-Chat 在窗口内拿到 oracle 证据时可达 96%，自行选时机掉到 38%，换成检索记忆只剩 15%——内容与时机缺一即灾难。
- 据此提出的 ProPerAgent 通过图结构记忆存储加「值得打断才触发」的门控与轻量 RL，把严格准确率从不足 10% 提到 42.4%。
所属事件:Meta 论文：记忆驱动让主动助手准确率翻倍(3 条相关)→
「编程与Agent」频道最新
- Claude Code Desktop 任务卡片支持选模型，不再强制开贵的 Fable — dotey · 2026-10-21
- steipete：会搭个人 agent 与不会的人已出现真实能力差距 — steipete · 2026-10-21
- AI agent 刷指标上瘾:自主爬到 SOC 2 认证 70% 通过率 — RylanSchaeffer · 2026-10-21
- 20 美元预算,coding agent 在沙盒里想出出人意料的物理策略 — tomssilver · 2026-10-21
- LangChain 拆解公司级 Agent Harness 难点，推 Managed Deep Agents 方案 — hwchase17 · 2026-10-21
- UC Berkeley 发布 Actor-Gatherer 框架:解耦推理与上下文管理 — adityagp · 2026-10-21