文章摘要
当前海内外个人智能体密集发布,行业竞争已从比拼单点能力转向完整系统架构的比拼。9所高校的23位研究者联合发布126页全景综述,明确了持续在线个人智能的定义、核心性质、六级发展路径,梳理其架构痛点,配套上线交互Demo、开源检测工具,还提出15个相关开放问题及用户划定边界的安全铁律。

个人智能体正迎来前所未有的密集爆发。海外前沿AI实验室接连推出Muse、dots、Claude Duet等产品,不再仅被动等待用户提问,有的会在对话结束后继续在云端工作,有的会每日清晨推送定制简报,还有的会定时巡检用户关联账户。国内方面,大厂相继上线灵光2.0、千问Go!等产品,硬件端AI眼镜主打全天候记录用户点滴,具身智能也在向更懂用户的生活伙伴演进。

这股密集发布潮释放出明确信号:个人智能的下半场竞争,已从比拼单一模型和单点功能,转向比拼完整的系统架构。这套架构需支持长期运行,更要求感知、记忆、行动三大模块协同互通,且能在用户未发出指令时自主运转。

围绕这一核心问题,来自9所高校的23位研究者联合发布了一份126页的全景综述。该综述梳理了632篇文献与119个研究系统、产品,覆盖可穿戴、数字、具身智能三类场景,以感知、记忆、行动三大模块结合六条有向信息流的闭环视角,给出了持续在线个人智能的定义、框架、等级划分与未来路线图。项目主页还同步上线了交互式Demo,读者可在8个日常场景中体验助手的决策过程。

什么才是真正的持续在线?并非后台一直运行就是答案。比如用户说“开完会提醒发报告”,对话结束后,助手需自主追踪会议状态,在合适时机发出提醒,同时记住待办事项。综述将这一过程提炼为两大核心性质:运行连续性——无新请求时,助手可根据态势自主决定行动或等待;状态持久性——跨越多次交互,持续保留用户偏好与未完成承诺,即便对话结束也能自主兑现。两者结合构成持续闭环,这是持续在线个人智能的基石。

要明确的是,持续在线与长程智能体不同,后者关注复杂任务的完成,而持续在线需在用户动态变化的需求与场景中,提供不间断的陪伴支持。同时,持续在线也不等于后台运行,常见的被动助手、主动搭话却无记忆的助手、机械定时任务,都不符合持续在线的标准。

综述的最终构想是“用户掌舵,助手运行”,即用户不必亲自维持闭环,只需划定边界,助手自主决定观察与行动,仅在需授权时请求确认。综述提出核心论点:持续在线个人智能的基础是持续闭环,演进方向是自演化。持续闭环是系统属性,需三大模块在两次请求间仍协同运转;自演化则是进阶要求,并非记住用户就是自演化,而是要能改进工作机制,且机制修订需可追溯、可检查、可撤回,具备完整证据链。

综述将发展路径分为L0到L5六个等级,L3起助手可自主决定行动或等待,L5则是助手在用户边界内修订机制。研究团队将119个系统和产品定级,多数停在L2及以下,仅少数达到L4,尚无产品达L5。

持续在线助手被拆解为感知、记忆、行动三个模块,模块间通过六条有向通道连接,还有共享条件与实现层两层支撑。针对三个模块的隐形痛点,研究团队梳理出:感知模块易漏看信息却不自知,记忆模块易形成“记忆陷阱”——错误记忆会被反复调用,还会扭曲后续反馈,行动模块的结果反馈滞后,难以及时判断是否有用。在三类场景中,瓶颈均不在单个模块,而在模块间的协同:可穿戴助手面临功耗与社交边界的权衡,数字助手存在算力争夺与旧记忆误用问题,具身智能则要面对行动出错无法撤回的代价。

为审查现有系统的水平,研究团队开源了HALO工具,通过只读和运行两种模式,发现当前系统重行动轻感知,“记忆→感知”“行动→记忆”是最薄弱的两条通道。HALO还支持闭源系统的黑盒检测,通过专用插件实现非侵入式审查,无需厂商开放内部接口。

综述最后提出15个开放问题,聚焦用户不在场时的靠谱与守规矩,包括如何应对无指令的空白期、如何防合法越权与记忆投毒、如何在用户边界内试错、如何动态评估帮助效果等。核心安全铁律是,管住助手的边界必须由用户亲自设定,且助手无法自行修改。

当这些问题被解决,个人智能将像普适计算之父所预言的那样,悄然融入日常生活,成为那些“消失不见”的深刻技术。

以上内容不代表本平台立场,仅供读者参考