两个相互独立、彼此支撑的研究方向

目标行为

“你们对这个事应该一致了，要不我先做着，你们继续。”

Agent 不是因为知道更多、发现错误或被叫到才发言，而是发现一个已经局部闭合、可以低风险并行实施的软件任务。我们称之为 Consensus-Gated Parallel Execution，在线动作记为 OFFER_FORK。

六项介入门槛

1. Local consensus相关参与者已接受局部范围
2. Executable task存在明确的软件实现产物
3. Spec sufficient目标、产物和关键边界足够开始
4. Independent不依赖当前未决核心分歧
5. Reversible能在隔离分支低成本试做
6. Agent capable属于 Coding Agent 的能力与权限

最相关的研究脉络

• When2Speak通用 speak/silent 决策及不对称错误成本；最接近介入时机的训练基线。
• Proactive Conversational Agents with Inner Thoughts利用内部状态决定是否主动参与。
• Controlling AI Agent Participation in Group Conversations多人对话中 Agent 的参与控制。
• Prior Lessons of Incremental Dialogue增量 dialogue manager 与实时行动管理的研究缺口。
• Principles of Mixed-Initiative User Interfaces介入价值、不确定性和打扰成本的经典基础。
• Meeting Action Item Detection局部/全局会议上下文中的行动项识别。

可用数据与局限

• When2Speak Dataset可预训练低打扰 speak/silent，但没有“并行实现”动机。
• TIDES团队互动与事件结构，可预训练讨论状态表示。
• AMI Meeting Corpus设计会议、决策和 dialogue acts；需重新标注任务分叉时机。
• ICSI Meeting Corpus真实多人会议语音与转写，但不是功能实现讨论。
• act4teams-short适合团队行为建模，不直接提供 Agent 介入标签。

方法研究基础

• Learning Using Privileged Information训练时教师拥有、测试时学生不可获得的信息。
• Generalized Distillation统一知识蒸馏与特权信息，允许教师和学生看到不同表示。
• Privileged Knowledge Distillation for Online Action Detection离线教师看未来帧、在线学生只看历史；输入差异而非模型大小是关键。
• Twin Networks: Matching the Future反向网络仅在训练时存在，帮助因果前向模型学习未来相关表示。
• Early Classification of Time Series把错误成本和继续等待的延迟成本纳入同一决策。

两套标签，不混为一谈

建议的小模型训练目标

L = L_online_policy
  + λ₁ L_future_stability
  + λ₂ L_decision_factors
  + λ₃ L_timing
  + λ₄ L_prefix_teacher_distillation

• L_online_policy：prefix-only 裁决标签
• L_future_stability：全景结果作为辅助预测目标
• L_decision_factors：六项可解释门控
• L_timing：earliest-safe / latest-useful 区间
• L_prefix_teacher_distillation：只有教师也只看相同 prefix 时才直接蒸馏

未来信息可以怎样使用