统一智能体：跨设备管理交互

arXiv 论文提出 Unified Agent，一个跨设备、跨时间管理用户交互的有状态智能体。它通过设计紧凑的动作就绪状态，组织参与证据、已陈述事实和持续请求，以决定在当前观察下的行动。在默认设置下，它显著优于四种已发表设计的改编版本，并在多种多模态大语言模型设置下保持优势。

现有智能体系统在跨设备场景中缺乏有效状态管理，多智能体系统也未维护跨设备、跨时间的紧凑携带状态。该论文提出以状态设计为核心的原则，并通过基准测试证明其优势在多种 MLLM 设置下稳健，为跨设备智能体的设计提供了新方向。

该机制认为智能体应维护一个紧凑、动作就绪的状态，该状态整合参与证据、已陈述事实和持续请求，与当前观察共同用于决策。通过比较不同状态设计，构建跨设备跨时间的用户交互基准，并用状态化智能体实例化该原则，实验表明状态设计优势在不同 MLLM 条件下依然存在。

该研究为跨设备 AI 助手的产品设计提供了参考，可能影响多端智能体的架构选择与状态管理方案。开发者有望借鉴其状态设计原则，提升跨设备任务的连贯性与执行效率，并降低因设备切换导致的交互中断。但具体产品落地效果仍需进一步验证。

• 在跨设备助手类产品中，引入统一状态设计，以提升多任务连贯性。
• 基于其公开数据集，构建内部评测集，验证状态设计在不同 MLLM 下的稳定性。
• 探索将此类状态管理机制用于企业级多设备工作流自动化场景。

• Unified Agent 在真实用户场景中的体验效果是否与基准测试一致尚不可知。
• 论文代码与数据尚未公开，具体实现细节无法验证。
• 跨设备状态设计的隐私与安全影响未被讨论。
• 该状态设计是否适用于非 MLLM 的智能体场景缺乏证据。