PRISM：风险敏感、不确定性感知的主动式智能体审慎决策框架

PRISM 用成本阈值门控加选择性慢推理降低主动智能体误报。

资讯摘要

论文提出 PRISM 框架，将主动式智能体的干预问题建模为成本敏感的选择性干预：推理时仅当校准后的用户接受概率超过由漏助与误报非对称成本推导的阈值时才介入，并在决策边界附近启用带反事实检查的 Slow 模式。训练采用门控对齐、模式锁定的蒸馏，教师运行完整流程提供监督，学生将响应策略与干预门控解耦。作者报告在 ProactiveBench 上误报降低 22.78%、F1 提升 20.14%，并开源代码与模型。

要点速读

1. 将主动干预表述为成本敏感的选择性干预问题，用校准接受概率与非对称成本阈值决定是否介入。
2. 仅在决策边界附近调用资源密集的 Slow 模式与反事实检查，把计算集中在模糊和高风险情形。
3. 作者报告在 ProactiveBench 上误报下降 22.78%、F1 提升 20.14%，并发布代码、模型与资源。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。