状态

与仅保存偏好和历史对话的记忆助手不同，这套记忆不仅包括具体事件和相对稳定的个人信息，还包括状态轨迹、目标与承诺、关系、历次干预及其结果，以及用户的“不要记住”“不要推断”、纠正和删除要求。

论文最核心的转向可以概括为一句话：Agent的优化对象，不应只是外部任务状态，还应包括人的长期状态轨迹，以及人在这一过程中保留下来的主体性。

为避免新概念停留在口号层面，论文给出了一套闭环技术框架，由四个核心能力组成：Human-StatePerception（人类状态感知）、LongitudinalMemory（纵向记忆）、PersonalWorldModel（个人世界模型）和InterventionPlanningandDelivery（干预规划与实施）。

论文还提出了CombodiedBench的模块化研究蓝图，覆盖人类状态感知、记忆连续性、目标协商、干预适当性、主体性保护、关系边界、升级机制与长期结果。

论文给出了五项共同属性：以人为中心的状态建模、纵向性、干预、人与AI的共同行动，以及主体性保护。

论文给出了五项共同属性：以人为中心的状态建模、纵向性、干预、人与AI的共同行动，以及主体性保护。

论文还提出了CombodiedBench的模块化研究蓝图，覆盖人类状态感知、记忆连续性、目标协商、干预适当性、主体性保护、关系边界、升级机制与长期结果。

只有当感知、记忆、个体模型和干预策略围绕一个持续、可纠正的人类状态模型连接起来，并以长期的人类收益为目标时，才真正跨过这道门槛。