ProPerAgent 论文：记忆驱动的主动式助手，无训练即可将准确率提至 37.5%
rohanpaul_ai · x · 2026-10-21
arXiv 论文《ProPerAgent: Toward Memory-Driven Proactive Assistance》（Meta Reality Labs / Meta Superintelligence Labs / 密歇根州立大学等，2026 年 10 月）提出记忆驱动的主动协助（MPA）框架：记忆不再只是回答查询，而是决定系统是否以及何时该主动介入。
- ProPerMem 基准：自我中心视频 + 平均约 618K token 的长程干扰性用户记忆 + 人工验证的触发窗口，联合评估内容与时机。
- 所有基线（含前沿模型 + 检索/摘要记忆）最高仅 15%；oracle 证据下 GPT-5.3-Chat 达 96%，自选时机降至 38%，检索替代降至 15%。
- ProPerAgent：即插即用框架，从图组织记忆库中挖掘证据并门控过滤，配合轻量 RL 抑制过早和重复触发；无训练即在 Qwen3.8-27B 上把严格准确率从 <10% 提到 37.5%（GPT-5.3-Chat 38%），RL 后训练达 42.4%。
- 评测集与代码将在论文正式发表后开源。
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
- 用 mcporter 让不支持 MCP 的 Agent 框架也能接入 MCP 工具 — steipete · 2026-10-21
- Chollet：工程师数量创新高、agent 写下全部代码，需求仍在增长 — manuelkoelman · 2026-10-21
- 实测发现：非官方提示词开头会绕过订阅、多扣用量，Anthropic 口径存疑 — lucasmeijer · 2026-10-21
- LangChain 解析 Deep Agents 五大机制，应对长程 Agent 上下文腐化 — LangChain · 2026-10-21
- LangChain 集中解答 Agent Evals 常见问题：从真实 trace 建小数据集起步 — LangChain · 2026-10-21
- uivoid 大更新：一条命令把现有 API 变成带鉴权的 MCP 服务器 — Necessary_Client_114 · 2026-10-21