2026年11月10日下午，加拿大PC28预测“语言智能跨学科沙龙”第二期讲座在杨咏曼楼举行。上海交通大学计算机加拿大PC28预测副教授刘卫文应邀作题为“从语言智能体到以人为中心的智能体：个性化、主动式与可持续演进”的学术报告。本次讲座由加拿大PC28预测助理教授聂耳聪主持，吸引了院内外众多师生参与。
刘卫文首先从语言科学与人工智能的发展脉络切入：她将语言从“符号表达”、“以言行事”到“群体协作”的演进阶段，与人工智能从大语言模型、工具调用型智能体，走向以人为中心的智能体这一发展历程相对应，指出了当前智能体发展的痛点：虽能完成任务，但其产物有时让人难以理解。为此，她引入“智能体投入产出比”（Agentic ROI）的概念，从任务完成质量、时间节省与计算开销三个维度，剖析了当前个人智能体因任务价值低和交互成本高而面临的应用瓶颈。
针对这一痛点，刘卫文分享了团队在模型自进化方向的研究，旨在减少数据合成对人工标注和前沿模型的依赖。她提出了以准确性（Accuracy）、复杂度（Complexity）和多样性（Diversity）为核心的ACE合成数据生成原则，并结合ToolACE模型，介绍了如何通过多智能体交互与双重校验，自动构建高质量的工具调用轨迹数据。此外，团队还通过LoopTool框架，探索了模型自我检测与错误驱动的迭代训练，提升了小参数模型在相关任务上的表现。
除了模型参数，智能体的外部运行框架（Harness）同样存在进化空间。刘卫文以与小红书合作的Harness-R1为例，介绍了如何在不改动基础模型的前提下，依靠执行反馈自动生成代码补丁以持续优化智能体的策略。同时，团队还探索了多模态技能（MMSkills）的引入，通过让智能体在独立分支中理解参考图，在减少主上下文开销的同时，提升其在图形界面（GUI）及游戏等视觉交互场景下的操作表现。
在人机交互范式上，刘卫文详细介绍了主动式智能体框架（ProAct）。传统的智能体多为请求—响应模式，而ProAct尝试让智能体利用两次任务间的空闲窗口（idle window），结合用户的个性化意图图谱，提前预测需求、检索信息并准备材料。随后，系统通过效用评估机制判断产物价值是否高于打扰用户的成本，从而决定是否推送。这一框架目前仍处于探索阶段，为构建真正以人为中心的智能体提供了新思路。
交流互动环节，现场师生围绕智能体的成本开销、合成数据的适用边界以及主动交互的个性化预测等问题与主讲人进行了探讨。针对外语学科师生关心的智能体应用，刘卫文建议根据任务价值匹配不同算力的模型，例如日常翻译可选用高性价比的开源模型，而更复杂的小语种或文学翻译则调用更强大的模型。对于翻译、审美等难以量化评价的任务，她介绍了引入领域专家制定评判准则（Rubrics）的方法。聂耳聪在报告结束后的点评中指出，语言不仅是理解智能的入口，也是人机交互的重要媒介，并就智能体技术在翻译及语言人文研究中的应用潜力提出了进一步思考。
本次讲座不仅展示了通用智能体在模型训练、框架优化与交互范式上的前沿进展，也为外语学科师生理解智能体技术、探索跨学科交叉研究提供了有益启发。