主动式AI助手常因过度干预而令人困扰，如何在提供帮助与保持安静间找到平衡点？PRISM框架为此提出创新解法，它通过引入成本敏感门控与快慢思考机制，让AI学会权衡利弊，只在真正必要时出手，旨在打造更懂“分寸感”的下一代智能体。
智能速览
当前主动式AI存在“过度打扰”的核心痛点，缺乏对干预时机的判断。
PRISM框架借鉴“欲速则不达”思想，引入成本敏感与不确定性评估。
成本敏感门控机制动态调整干预门槛，量化打扰的代价。
采用快慢思考架构，仅对不确定样本触发昂贵的深度推理。
实验显示PRISM显著降低误报率，且小模型经蒸馏后表现超越大模型。
精华内容
要让AI真正有用，关键不在于它能做什么，而在于它知道何时不该做。PRISM框架正是通过重塑AI的决策逻辑，来解决这个看似矛盾实则深刻的挑战。
困境：招人烦的AI
现有的主动式AI助手普遍面临“地狱级”难题：如何在需要时出现，而非不停地“帮倒忙”。它们往往陷入两个极端，要么完全沉默，要么在每一步都进行昂贵的深度推理，导致计算成本爆炸。其核心症结在于，模型只关注“能否解决问题”，却从不量化“现在是否是说话的好时机”，缺乏对打扰成本的考量，因此显得既不智能也没分寸。
破局：成本敏感门控
PRISM框架的首要创新是成本敏感门控机制。它彻底摒弃了固定的干预阈值，转而精细地将“用户需求”与“接受度”分离开来。Agent会像人类一样算一笔账：根据“错误打扰”（误报）和“错过帮助”（漏报）所带来的不同成本差异，动态地调整自己开口的门槛。这种机制让AI学会了权衡，在潜在收益和打扰代价之间找到最佳平衡点。
提速：快慢思考
为实现效率与智能的统一，PRISM引入了快慢思考的双系统架构。绝大多数情况下，AI依赖“快系统”（System 1）进行瞬时判断和响应，确保高效率。只有当预测结果落在决策边界附近的“模糊区”，即AI自身也不确定时，才会触发“慢系统”（System 2）进行深度、昂贵的推理。实验证明，仅需对约11%的困难样本进行“慢思考”，即可达到整体最优效果。
提效：对齐蒸馏
更令人惊喜的是，这套复杂的决策逻辑可以被有效压缩。通过对齐蒸馏技术，可以将一个大型教师模型（如671B参数的R1）的风险评估能力，完整地传授给一个轻量级的学生模型（如8B参数的Qwen3）。这意味着小模型不仅能模仿输出格式，更能学会大模型的风险评估“心智”。实验数据显示，蒸馏后的8B小模型在准确率和误报控制上，甚至超越了其671B的教师模型。
PRISM框架的价值远不止于提升指标，它为AI行为学提供了一个“收益与负担”的通用平衡范式。当AI开始理解并尊重人类的注意力成本，人机协作的未来将更加和谐。这是否意味着，真正的智能，始于懂得适时沉默？
