EgoProactive 数据集与 PWR 架构论文：评估多模态助手主动干预

Kaustav Kundu 等作者发布 EgoProactive 智能眼镜数据集，覆盖四个领域中用户出现步骤级偏离并恢复的程序，并与五个重新标注的自我中心及教学数据集组合成跨领域基准 Pro²Bench，用于评估多模态助手在程序执行偏离时的干预时机、程序完成度与回复质量。 论文同时提出 PWR（Plan, Watch, Recover）架构，通过显式维护和修订计划状态协助用户恢复。据摘要，零样本条件下没有任何前沿或开放权重模型能在首次出错前完成超过 26% 的程序干预；在三个开放权重骨干模型上，仅用 Pro²Bench 训练而无计划状态时性能变化有限，加入动态计划状态后平均程序完成率从 20% 提升至 27%，且回合级决策和回复质量对每个骨干均有改进，改进还出现在留出数据集和训练中未见过的偏离场景。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。