流式意图检测+永久记忆：NUS和NTU发布Pask，把贾维斯AI拉进现实
让AI像助手一样主动帮助，才是我们心中AGI的样子。主动智能体的概念已被多次提出，但都很难做到真正在生活中落地。现有工作停留在概念层面，无法解决复杂世界中所要求的实时性、深度和记忆问题。南洋理工大学谢之非团队提出的Pask，首次做到了。
核心范式：需求探测-记忆-主动系统
Pask包含三个相互作用的模块：需求检测（Demand Detection）是第一步也是最核心的一步，它与人类同听同看，实时检测出当下的需求——比如「他现在需要知道这个词的意思」或「他可能在怀疑对方是否在说真话」。长期记忆负责系统中的个性化部分，与用户一起成长持续进化。主动系统是整个Agent的底层执行逻辑，保持循环运行驱动前两个组件协同工作。
IntentFlow：1.5秒完成意图检测
研究人员从语音和视频的端到端流式模型获得灵感，选择了「模型+Agents」实现路径——重新训练一个在「文本流」上实时运行的意图检测模型IntentFlow。当其他开闭源模型普遍需要3-10秒才能推理一次人类的潜在需要时，IntentFlow只需要1.5秒就可以结合用户的个人、工作和全局记忆完成一次完整的意图检测。
三层记忆体系
借鉴计算机存储的Cache-内存-外存架构，Pask设计了三层记忆体系：用户记忆（类似Cache）让AI随时知道用户是谁、有什么偏好；Workspace记忆（类似内存）负责当前事件内部的所有上下文信息；全局记忆（类似外存）跨事件持久保存，承担「超级上下文」的角色。
核心洞察：底层流式模型+上层Agents
团队在agents机制上花了数月功夫最终得出结论：走不通。原因很直接——人类能接受的时延，一次完整的模型调用都不够，更没有时间留给意图推理。所以Pask从一开始就不打算卷「更聪明」的执行agents，而是只做一件事：更快、更准地猜中人的心思。不做更大的模型，也不做更复杂的调用逻辑，而是回答一个问题——它能不能在连续上下文里看懂你，在你开口之前就知道你的深层意图，并在准确的时机用极短的时间给出最有价值的帮助。
