主动型大型语言模型智能体在多轮交互中常面临任务性能与用户参与度的两难选择。为此，研究提出了BAO框架，通过行为增强与正则化，旨在以更低的交互成本实现更优的任务完成率，为人机交互提供了新的优化思路。
智能速览
主动智能体面临任务质量与用户负担的目标冲突
现有优化方法难以调和这对矛盾，导致体验受损
研究将问题形式化为多目标优化，寻找帕累托最优解
BAO框架通过行为增强提升跨轮次推理能力
行为正则化机制有效抑制了冗余交互和过度依赖
精华内容
针对主动智能体在多轮交互中的痛点，研究团队提出了一种创新的行为优化框架，旨在突破性能与体验的边界。
目标冲突与挑战
主动型智能体在处理复杂任务时，往往需要通过多轮查询收集信息以推断用户意图。然而，频繁的反馈请求会显著增加用户负担，降低满意度；反之，若减少交互，虽提升了体验，却可能因信息缺失导致任务质量下降。这种目标冲突是当前亟需解决的难题。
现有方法的局限
传统的解决方案通常采用简单的多目标优化策略，例如调整奖励权重。但实践证明，这种方法无法有效平衡任务性能与用户参与度。结果往往是智能体要么过度依赖人工验证，导致交互过载；要么缺乏有效的跨轮次推理能力，无法完成高质量任务。
BAO框架提出
为了突破这一瓶颈，研究提出了BAO（Behavioral Agentic Optimization）框架。该框架将问题形式化为多目标优化问题，目标是寻找帕累托最优解。其核心策略是通过特定的行为优化算法，推动帕累托前沿向前发展，从而在降低用户参与成本的同时，确保任务完成率的提升。
核心优化策略
BAO框架主要由两个核心机制构成。首先是行为增强，重点培养智能体的回溯推理与前瞻规划能力，使其能够更好地进行跨轮次思考。其次是行为正则化强化学习，这一机制主要用于抑制冗余交互和过度思考，减少智能体对人工反馈的过度依赖。
BAO框架为主动智能体的优化提供了切实可行的路径，成功实现了任务性能与用户体验的双重提升。这项研究不仅推动了帕累托前沿的发展，也为未来构建更高效、低负担的人机协作系统奠定了坚实基础。
