论文
PASK：迈向具备长期记忆的意图感知主动式智能体
PASK: Toward Intent-Aware Proactive Agents with Long-Term Memory
摘要
主动性是通用人工智能（AGI）的核心期望。已有工作大多局限于实验室环境，在真实世界的主动式智能体上留下明显空白：深度、复杂性、模糊性、精度与实时约束。我们研究这一场景：有用的介入需要在延迟与长时程约束下，从进行中的上下文推断潜在需求，并将行动落在不断演进的用户记忆上。我们首先提出DD-MM-PAS（需求检测、记忆建模、主动式智能体系统）作为流式主动式AI智能体的通用范式。我们在Pask中实例化该范式：以流式IntentFlow模型负责需求检测（DD），以工作区、用户、全局混合记忆支撑长期记忆建模（MM），以PAS基础设施框架构成智能体系统，并阐明这些组件如何形成闭环。我们还提出LatentNeeds-Bench，一个基于用户授权数据、经数千轮人工编辑打磨的真实世界基准。实验表明，IntentFlow在延迟约束下匹敌领先的Gemini3-Flash模型，同时能识别更深层的用户意图。
