Proactive AI如何走向超级智能体？UIUC、谷歌、斯坦福、UC Berkeley、CMU联合综述
早在 1995 年，Michael Wooldridge 等学者便在智能体研究的代表性论文《Intelligent Agents: Theory and Practice》中，提出了智能体的四项核心特征：反应性（Reactivity）、社会能力（Social Ability）、自主性（Autonomy）和主动性（Proactiveness）。
反应性意味着智能体能够感知环境变化并及时响应；社会能力使其能够与人类或其他智能体交互；自主性意味着它可以在一定程度上独立决策和行动；而主动性则要求智能体不仅对外部刺激作出反应，还能主动追求目标、发起行动。
三十多年后，随着大语言模型、人工智能对齐和自主智能体等研究方向的发展，前三项能力已经得到广泛关注，并取得不同程度的进展。相比之下 ，主动性虽然同样重要，却尚未形成与之相称的系统性研究体系。
这种缺口在长程任务中尤其明显。
对于一个只需要回答问题的系统，等待用户输入通常并不构成障碍。但当智能体需要连续工作数小时、数天甚至更长时间时，人类很难提前穷尽所有步骤，也无法预见任务执行过程中遇到的每一种情况。一旦指令存在歧义、环境发生变化，或原定计划遭遇阻碍，智能体就需要主动澄清需求、探索替代方案、调整执行路径，而不是停下来等待下一条指令。
因此， 主动性不仅意味着智能体可以在用户开口之前发现值得做的事，也是其完成长程任务、减少持续人工监督的重要条件 。
这一方向已经开始受到产业界和学术界的关注。Meta Muse、OpenAI Dots、Anthropic Duet 等产品探索让智能体持续理解用户目标，并在适当时机主动推进工作；学术界也出现了清华大学的 Proactive Agent、香港中文大学的 ProAgent 等相关研究。不过，这些探索涉及不同的任务设定、能力边界和技术路线，仍需要一个更系统的框架加以组织。
来自伊利诺伊大学厄巴纳-香槟分校（UIUC）、Google、斯坦福大学、加州大学伯克利分校（UC Berkeley）和卡内基梅隆大学（CMU）的研究者，在综述 《 Proactive AI for Superintelligent Agents 》 中系统考察了这一问题。
综述将主动性与智能水平、对齐并列讨论，认为主动性是迈向未来超级智能体的一项关键能力：智能体不仅需要知道如何完成任务、如何遵循人类意图，还需要判断何时应该行动、哪些目标值得主动推进，以及何时需要征询人的意见。
为了梳理这一研究方向，参与者汇集了 人工智能智能体 、 具身智能 、 信息检索 、 计算生物学 、 经济金融 等领域的研究经验。综述的写作由相关方向的研究者分别负责，再通过多轮跨领域讨论与修改，尝试将分散在不同领域的技术进展和研究问题纳入统一视角。
在内容上，综述回顾了主动式 AI 的概念和研究历史，提出由六项相互配合的能力构成的 6A 机制框架 ，讨论相应的评测方法，并分析了 13 个应用领域 。项目网页 收录 1400 余条引用资料 ，其中 80 项代表性工作提供了更详细的对照分析。
研究者希望通过这一框架回答一组相互关联的问题：智能体如何主动发现任务，如何判断行动的价值与时机，如何在不确定环境中持续推进目标，又如何确保主动行为始终与人的真实需求保持一致。
从 1995 年智能体理论中对主动性的定义，到今天围绕长程任务、持续自主运行和人机协作展开的探索， 主动性正在从一个早期的概念要求，逐渐成为智能体研究中需要独立审视的核心问题 。
这篇综述试图为仍然分散的探索绘制一张初步地图：既呈现已有研究走到了哪里，也帮助研究者理解，距离真正能够主动发现需求、采取恰当行动并持续接受人类指导的智能体，还有哪些问题需要解决。