资讯 / 研究观察 · Agent 基础设施
让 Agent 自己找活干：谷歌×UIUC 的 203 页主动式 AI 地图
Agent 已经能读代码、调工具、跑长任务——但在大多数系统里，「发现该做什么、判断值不值得做」仍然归人管。UIUC 与谷歌的 23 位作者合著了综述 《Proactive AI for Superintelligent Agents》，把 1410 篇文献收拢成这张缺失层的地图：主动性（proactiveness）——在没有明确指令时发现并启动有价值工作的能力。我们直读核验了产物本身：PDF 按文件元数据恰好 203 页；作者名单与 2026 手稿引用在 Google Research 出版页对得上；MIT 许可的配套仓库整理了全部 1410 篇文献库、13 个领域各取 80 篇代表工作。对在计费 API 上跑长程 Agent 的开发者，真正承重的一章是 Arbitration（仲裁）：Agent 在为没人要求的工作花掉你的 token 之前，应过的四道闸门。
直读已核验：综述真实且对得上——23 位作者由 Ke Yang、Jiateng Liu 领衔（UIUC），含谷歌合作者（Zifeng Wang、Chen-Yu Lee），在 Google Research 出版页以 yang2026proactiveai 引用；托管 PDF 为 203 页；配套仓库（EmpathYang/Proactive-AI-for-Superintelligent-Agents，MIT）整理 1410 篇被引文献——13 个领域各 80 篇代表工作，文献库 2026 年 10 月更新。
框架内容：六项能力——Awareness（感知）、Anticipation（预判）、Agenda（议程）、Arbitration（仲裁）、Action（行动）、Adaptation（适应）。承重的是仲裁：候选介入要过四道闸门——把握（我真理解需求吗）、值得（收益能否盖过成本）、时机（现在还是稍后）、风险/可逆性（错了多严重）。评估分三层——任务、机制、用户，明确点名监督负担与「采纳率陷阱」。跨领域瓶颈：反馈的速度、成本与可靠性，决定 Agent 能以多快的节奏安全迭代。
尚未成立：尚无同行评审刊物（挂在 Google Research 出版页的 2026 手稿）；它是综述不是系统——没有基准、没有产品；不含中国厂商内容——与中国的关联在本站自己的报道线上：DeepSeek 的 dsh-superagent 与清华/智谱的 HarnessPro 已在实践同一成本纪律问题的不同局部。
逐条分级（11 月 7 日）
- 产物，直读核验。PDF 托管于 Google Cloud storage（pubtools/1048480）：按文件元数据恰为 203 页。作者 23 人：UIUC 阵容（Ke Yang、Jiateng Liu、Hanghang Tong、Jingrui He、Chenyan Xiong、Jiawei Han、程绩咸 ChengXiang Zhai 等）加谷歌合作者（Zifeng Wang、Chen-Yu Lee）。引用为
@misc{yang2026proactiveai}，2026 年；未附会议刊物。 - 文献库，仓库直读。GitHub
EmpathYang/Proactive-AI-for-Superintelligent-Agents（MIT，7 次提交，18 星）：按框架整理 1410 篇被引文献、分析 80 篇代表工作，文献库数据 2026 年 10 月更新。README 注明综述覆盖 1937–2026 年的工作。 - 六项能力（6A）。Awareness（维持态势）、Anticipation（把上下文变成未被说出口的需求）、Agenda（有优先级的持续目标）、Arbitration（按不确定性、收益、时机、风险与可逆性给主动性设闸）、Action（在获授权范围内介入）、Adaptation（用结果与反馈校准后续主动性——接受、拒绝、修改、忽略、撤回、接管都要放回情境理解）。
- 13 个领域。编程、GUI Agent、信息获取、具身与机器人、安全、自动化科研（AutoResearch）、智能家居、智慧城市、医疗、法律、教育、娱乐与媒体、农业——每个领域在「反应式 → 议程生成式」的五级主动性阶梯上标注成熟度。
- 评估栈。任务层（结果是否改善；省下的时间能否盖过新增成本）、机制层（态势理解、预判、时机选择）、用户层（监督与纠错负担、体验、控制感、信任与实际可靠性的匹配）。点名「采纳率陷阱」：只优化建议采纳率，Agent 可能学会把建议包装得更好，而不是把价值判断做得更准。
- 瓶颈结论。跨领域看，限制主动性迭代节奏的是反馈：编译器与 CI 以秒/分钟级闭合；医疗、农业、湿实验的反馈要等一个疗程、一个种植季或一次昂贵实验。反馈的速度、成本与可靠性，决定了安全主动的 tempo。
- 悬而未决。无刊物/同行评审、无基准套件、无参考实现。203 页数字由我们从 PDF 文件本身确认；媒体综述（NLPer，11 月 5 日）转述的框架与一手来源一致。
核验时间 2026 年 11 月 7 日：Google Research 出版页、GitHub 仓库 README 与项目页直读；PDF 页数取自文件本体（9.1 MB，/Count 203）。框架表述与仓库 README 结构交叉核对。本文未对综述的学术质量做独立评判。
用开发者的话说仲裁：token 流动之前的四道闸门
对任何在跑 Agent 的人，这篇综述最承重的观点是：「出手」与「不出手」的后果要放在一起比完再出手。日程冲突只是数据——Agent 要结合路程与时间判断用户可能赶不上、估算提前准备远程参会方案能改善多少，才有开口的理由。落到计费 API 上的 Agent 栈，四道闸门就是一份工程清单：把握——人类会认为这是真需求还是模糊线索（先在隔离环境验证再提补丁）；值得——预期收益对算力、时间、打断与纠错成本的账；时机——把发现留到自然的任务间隙；风险/可逆性——改库、合并、外发消息之所以需要事前授权，正因为错了难以撤回。
综述的失败案例画廊跑过主动助手的人都熟悉：每条建议单看都合理、合起来没法干活——这里重构、那里补文档、顺手升依赖——而用户正在赶发布。它给出的解法是结构性的：候选动作先进闸门再执行，发现先停靠等时机闸门打开，「不打扰」是被设计的结果而非失败。
评估章落在本站每周都在算的算术上：任务层收益必须净掉用户层的监督负担。任务列表越来越漂亮、人的清理队列越来越长的 Agent，无论跑分多高都是负价值。
背景：中国实验室这条线已在实践它的局部
综述本身没有中国厂商内容，但它系统化的问题在本站的报道线上是活的。DeepSeek 开源的 dsh-superagent（全文译丛）做的正是行动与成本的那一半——批处理、事件过滤、投机执行，支撑 7×24 常驻。清华/智谱的 HarnessPro 论文把仲裁的「值得」闸门做了量化：按任务选推理强度与停止点，+2.0 个百分点通过率、−26.1% 单任务成本。综述补上的，是这些点解外围的框架：花钱之前有 Awareness 与 Anticipation，花钱之前要过 Arbitration，花钱之后靠 Adaptation 校准。
对开发者，成本算术与我们每周对模型定价算的是同一笔：主动 Agent 的「值得」闸门就是单任务成本问题——DeepSeek V4.1-Flash 谷段 $0.22/1M 对照 GLM-5.3 的 $1.40/$4.40，决定了你的栈允许 Agent 在无人指示时自主启动哪些行为；对比表里有完整阶梯。授权按综述的框架建立在earned trust 上：先给 Agent 可逆、沙箱内的主动权，适应回路攒够信任再扩范围。
后续盯三个信号：综述被刊物接收与引用增长、仓库文献库突破 1410、以及任何厂商把「过闸的主动性」做成产品功能——最后那一条会把本文从研究观察升级为发布报道。
中国境外如何接入——以及一贯的免责声明
本站为国际开发者追踪中国模型 API：官方端点、价格与开源状态，以及建在其上的 Agent 基础设施工作。成本算术底下的模型在对比表与最低价指南里；Agent 这条线见 dsh-superagent 与 HarnessPro 两篇简报。
独立性声明：ChinaModelAPI 是独立信息站，与综述作者、UIUC、谷歌或任何模型厂商无隶属关系。产物事实来自直读（出版页、仓库、PDF 元数据）；框架转述归属综述；本页任何内容均不构成路由、可用性或定价承诺，也不含对综述学术价值的评判。
主要来源
- Google Research —— 出版页（23 位作者、摘要、2026；直读）
- 综述 PDF（pubtools/1048480）—— 页数取自文件元数据确认为 203 页；直读
- GitHub —— EmpathYang/Proactive-AI-for-Superintelligent-Agents（MIT；1410 篇、80 代表、13 领域；README 直读）
- 项目主页 —— 交互式概览；文献库 2026 年 10 月更新
- NLPer / AINLP（微信公众号，2026 年 11 月 5 日）—— 本简报交叉核对所用的通读稿件；转述与一手一致
- 站内对照：DeepSeek dsh-superagent 开源 · HarnessPro 成本纪律论文 · 最低价指南 · 对比表
常见问题（2026）
《Proactive AI for Superintelligent Agents》是什么？
UIUC 与谷歌 23 位作者的 203 页综述（Ke Yang、Jiateng Liu 等；以 yang2026proactiveai 引用，挂 Google Research 出版页），把 1410 篇被引文献——13 个应用领域各 80 篇代表工作——收拢成「Agent 如何在没有明确指令时发现并启动有价值工作」的地图。配套 GitHub 仓库（MIT）含论文与结构化文献库，2026 年 10 月更新。
综述如何定义主动性？
在没有明确请求时发起有目的行动的能力——行使指令留下的裁量空间（取舍、缺口、意外、重规划）。综述把它立为与智能（能力）、对齐（服务人的价值）并列的第三根轴，目标是「校准过的主动性」而非过度或不足。
六项能力（6A 框架）是什么？
Awareness（维持态势）、Anticipation（把上下文变成未被说出口的需求）、Agenda（有组织、有优先级的目标）、Arbitration（判断是否现在介入）、Action（在获授权范围内介入）、Adaptation（从结果与反馈中学习）。
仲裁的四道闸门是什么？
介入前候选动作要过四道检查：把握（是真理解需求还是凭模糊线索猜）、值得（预期收益能否盖过算力、时间、打断与纠错成本）、时机（现在，还是等用户做完手头一步）、风险/可逆性（错了多严重、能否撤回）。等待与把发现留到自然间隙是设计的一部分，不是失败。
主动式 Agent 该怎么评估？
三层：任务层（结果是否改善——省的时间能否盖过新增成本）、机制层（有没有看懂情况、预判对需求、选好时机）、用户层（监督与纠错负担、体验、控制感、信任与实际可靠性的匹配）。综述警告：只优化建议采纳率，可能教会 Agent 把建议包装得更好，而不是把价值判断做得更准。
这对 API 开发者为什么重要？
跑在计费 API 上的长程 Agent 就活在仲裁问题里：每个主动步骤都是对着不确定性计费的 token。综述的闸门与三层评估是一份清单，用来决定你的栈负担得起哪些主动行为——它的跨领域结论是：反馈的速度、成本与可靠性，决定 Agent 能多快安全迭代。