4.3 π-Bench：Proactive Personal Assistant Agents in Long-Horizon Workflows（⭐⭐⭐⭐⭐）

类型：arxiv
标识：2605.14678
链接：https://arxiv.org/abs/2605.14678
主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
主分类：agent
形态：benchmark
被引：2
被引来源：Semantic Scholar
S2被引：2
OpenAlex被引：0
影响力被引：0
TLDR：$-Bench is introduced, a benchmark for proactive assistance comprising 100 multi-turn tasks across 5 domain-specific user personas that evaluates agents'ability to anticipate and address user needs over extended interactions, jointly measuring proactivity and task completion in long-horizon trajectories that better reflect real-world use.
OpenAlex ID：W7161241358
OpenAlex DOI：10.48550/arxiv.2605.14678
DOI：10.48550/arxiv.2605.14678
DOI来源：OpenAlex
开放获取：green
开放获取链接：https://doi.org/10.48550/arxiv.2605.14678
OpenAlex更新：2026-08-23
标题中文：4.3 π-Bench：长周期工作流中的主动式个人助手 Agent（⭐⭐⭐⭐⭐）
TLDR中文：本文提出 π-Bench，一个用于评估主动式协助能力的基准，包含跨 5 个领域特定用户画像的 100 个多轮任务，用于评估 Agent 在长交互中预见并满足用户需求的能力，联合衡量长周期轨迹中的主动性与任务完成度，更贴近真实使用场景。
副分类：evaluation
待LLM分类：否
来源文件：
/inbox/tom/2026-06-10-agent-memory-rag-eval-radar.md
[S2 enrich]
[OpenAlex backfill]

可复用信息

- 方法要点：
- 构建 graph memory，把 cues、tags、contents 等作为可遍历结构。
- 维护 reconstruction state：活动记忆元素集合 + 已累积证据。
- LLM 在多轮中选择 traversal action，逐步扩展、剪枝和重构上下文。
- 实验线索：在 LoCoMo 和 LongMemEval 上对比 RAG、LangMem、A-Mem、MemoryOS、Mem0；抽取结果显示其在多项指标上有明显提升，并宣称最高约 23% 改进，同时降低 token / runtime 成本。
- 评价：与 MAGE 形成互补：MAGE 强调“执行状态路径”，MRAgent 强调“图上的证据重构”。两篇可合并成一组“后 RAG 时代 agent memory”专题。
- 建议：进入 registry/papers.jsonl；精读图结构、routing prompt、停止条件和成本统计。
- 链接：https://arxiv.org/abs/2605.14678