**预见与学习：释放主动代理中的空闲时间计算能力**

_Anticipate and Learn: Unleashing Idle-Time Compute in Proactive Agents_

> 本文提出了一种名为 ProAct 的主动代理架构，该架构利用 AI 代理在与用户交互之间的空闲时间进行预先计算，以预测并满足用户未来可能的需求。通过分析对话历史和持久性记忆，ProAct 能够提前识别知识差距并收集证据，从而在用户提出查询前做好准备。研究团队同时推出了 ProActEval 评估基准，包含 40 个领域的 200 个场景，用于严格测试主动能力。实验结果表明，与传统被动代理相比，ProAct 显著提升了任务完成速度（减少 14.8% 的交互轮次）、降低了用户努力程度（减少 11.7%），并大幅降低了幻觉率（降低 28.1%）。此外，在 MemBench 评估中，ProAct 实现了最先进的反思准确性，展示了其持久而稳健的性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-05-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25971)