语言
中文
English
导航菜单
← 论文速递
Avatar Intelligence: Amplifying Human Agency Through Persistent Personal Agents
Zheng Wu, Xinbei Ma, Yao Yao, Zhaoyuan Huang, Haowen Hu, Yijie Lu et al.
2026-11-03▲ 15arXiv 2611.03092v1Hugging Face
本页由 AI 根据论文全文生成(deepseek-flash),可能有误,请以原文为准。
一句话
论文提出 Avatar Intelligence:持久化的个人智能体,用于表征用户的目标、价值观与约束,并配以以用户为中心的架构、L0-L3 委托路线图,以及用于评估交付价值与人类监督负担的 Agentic Oversight Index。
要解决的问题
基础模型与智能体框架使持久化个人智能体日益可行,但论文认为一个核心问题仍未解决:用户仍须完成多少工作才能使委托有效。执行工作量可能下降,而规格说明、协调与验证负担仍很大。论文的立场是:个人智能体应通过减少获得可靠且与用户对齐结果所需的工作量来增强人类能动性,同时保留用户设定与修订目标、选择委托以及重定向行动的能力。
方法
论文通过持久化用户表征与持续决策委托来刻画 Avatar Intelligence。它描述了一种以用户为中心的操作系统架构,包含持久化用户模型与记忆、感知-规划-决策-执行循环、任务专用克隆体,以及三项系统能力。它概述了 L0-L3 成熟度路线图,用于在委托领域内转移操作与决策责任。它引入 Agentic Oversight Index,将归一化净值 U 与由 lambda 加权的人类监督负担显式惩罚 P 相结合。它指出三个研究方向:身份连续个性化、通过演练实现用户情境化演进,以及受控且可问责委托的安全机制。
实验结果
- 成熟度路线图定义了四个层级,从人执行闭环的 L0 到委托领域内人出环外的 L3 自主,且用户在每个层级保留修订目标和撤销委托的权限。 §2.2 Roadmap
- 提出 Agentic Oversight Index,用归一化净值 U 与人类监督负担惩罚 P 联合评估能力提升与监督负担。 §2.3 Agentic Oversight Index (AOI)
- 论文指出三个核心研究方向:身份连续个性化、通过演练实现用户情境化演进,以及受控且可问责委托的安全机制。 §1 Introduction
- Avatar 架构围绕四个紧密耦合的组件组织:感知、规划、决策与执行,并以持久化记忆基底作为基础。 §2.1 Avatar as a User-Centric System
- 论文列出四类应用场景:个人生活、组织工作、财务决策,以及多 Avatar 之间的协调。 §3.2 Application Scenarios
- 当前行业产品如 Grok Bot、Muse、Cue 和 OpenAI's dots 会随时间推进工作,同时将重要审批交还用户,标志着在委托任务内转向人在环上监督。 §3.1 Current Industry Products
局限
- AOI 的函数形式明确仅为示意;论文仅指出净值经过归一化,且人类监督以单调惩罚形式表示一次,具体验证仍待开展。
- 论文提出的是立场与议程;未报告验证 L0-L3 路线图、AOI 或所提架构的实验。
- Rehearsal Engineering 被描述为存在漂移、隐私与过拟合风险,并需要在有界自主下获取用户与环境特定轨迹、分阶段场景、评估与更新。
- 重记忆的个性化启发式被描述为对智能体任务较脆弱,因为覆盖不完整、偏好依赖上下文,且用户行为可能内部不一致。
要点
- Avatar Intelligence 将智能体从被动工具转变为自主数字代表,体现用户身份、偏好与价值观,并跨情境与时间持久运行。 §2 Avatar Intelligence
- 以用户为中心系统的内核是对用户认知身份的忠实且持续更新的模型,而不是薄记忆缓存。 §2.1 Avatar as a User-Centric System
- 面向工作、助手、社交与自定义情境的任务专用克隆体继承同一用户模型,同时与工具、应用、沙箱环境和外部智能体交互。 §2.1 Avatar as a User-Centric System
- L0-L3 路线图分阶段将人类参与同智能体能力解耦,同一 Avatar 可在不同领域以不同层级运行。 §2.2 Roadmap
- AOI 通过 Agentic Intelligence 与 Human Involvement 评估智能体成熟度,将交付价值与获得该价值所需的人类投入联系起来。 §2.3 Agentic Oversight Index (AOI)
- 现有个性化主要优化行为输出而非潜在认知模型,这推动形成稳定又可更新的身份连续用户表征。 §4.1 Personalization: From Behavioral Alignment to Identity-Continuous Avatars
- Rehearsal Engineering 通过收集轨迹与偏好、分阶段场景、用监督策略评估行动,并在有界自主下更新记忆、技能选择与决策策略,使标准化智能体对齐用户生态。 §4.2 Evolving with Specialization
- Avatar 安全将技术安全与 Agent Insurance 相结合:前者执行委托权限并限制故障,后者在合同条款下分配剩余财务风险。 §4.3 Safety
思维导图
Avatar Intelligence
问题与立场
委托工作量仍存在
增强人类能动性
持久化个人智能体
以用户为中心的架构
持久化用户模型与记忆
感知规划决策执行
任务专用克隆体
工作连续与主动服务
L0-L3 委托路线图
L0 人负责闭环
L1 人在环中
L2 人在环上
L3 人在环外
Agentic Oversight Index
归一化净值 U
监督惩罚 P
权重 lambda
研究方向
身份连续个性化
用户情境化演练
技术安全与 Agent Insurance
应用与产品
当前行业产品
个人生活
组织工作
财务决策
多 Avatar 协调
登录
选择一种方式继续
登录即表示你同意我们的服务条款和隐私政策
搜索
输入关键词开始搜索 · 支持中英文 · 按 ⌘K 随时打开