ProPerAgent 通过记忆图与强化学习提升主动干预准确率

该研究针对从被动问答转向主动干预的 AI 助手，提出 ProPerMem 基准测试，要求模型从长达一年的个人记忆中挖掘证据以决定何时介入，而非仅依赖上下文提供的现成事实。实验显示，所有基线模型表现极差，最高准确率仅为 15%，即使前沿模型 GPT-5.3-Chat 在拥有完美证据但需自主决策时机时，准确率也从 96% 骤降至 38%。 核心发现在于内容与时序必须同时满足，缺失任一环节即导致灾难性失败。基于此，作者构建了 ProPerAgent，采用图组织存储提取记忆、设置中断门槛过滤低价值信息，并引入轻量级强化学习阶段抑制过早或重复触发。在未进行训练的情况下，该框架使 Qwen3.8-27B 和 GPT-5.3-Chat 的严格准确率分别从低于 10% 提升至 37.5% 和 38%；经过 RL 后训练后，Qwen3.8-27B 达到 42.4%。 这一结果推断出当前 RAG 范式在处理长周期记忆驱动的主动任务时存在根本性局限，单纯检索不足以支撑可靠干预。事实层面确认了长窗口记忆挖掘的高难度，推断表明未来 Agent 架构需显式分离记忆检索与触发决策机制，猜测则指向端侧部署中可能需结合本地图结构以降低延迟，但具体工程落地路径仍需进一步验证。