上海交通大学和腾讯的研究人员开发了ProAct，一种利用对话间隙预测用户需求并提前准备答案的AI代理。与传统等待用户提示的被动AI不同，ProAct通过分析历史对话、用户偏好和缺失信息来预判后续问题。它分阶段运行：未来状态预测预见可能的问题，空闲时间获取决定哪些预测值得研究，交付系统决定如何呈现准备的信息。在涵盖金融、软件管理和网络安全等40个领域的模拟测试中，ProAct将对话轮次减少了14.8%，后续请求减少了11.7%，幻觉减少了28.1%。在ProActEval基准测试中，它预测了703个可预见的用户需求，而先前系统仅为32个。然而，该系统存在局限性：在3%的案例中引入了无关信息，且由于系统不断分析对话，隐私问题凸显。这项研究凸显了主动AI代理的潜力，但指出了计算成本与性能之间的权衡。

关键事实

• ProAct利用空闲时间主动预测用户需求并准备答案。
• 在模拟中对话轮次减少14.8%，后续请求减少11.7%。
• 在ProActEval基准测试中预测703个需求，旧系统仅32个。
• 3%的案例中因引入无关信息而降低回答质量。
• 存在隐私和成本权衡，实际部署需要保护措施。

KeyAudit 数据视角