一、问题：智能系统的认知盲区 当前主流多模态交互系统存明显缺陷：面对不完整的视觉信息时，往往选择保持沉默或直接猜测，而不是主动寻求补充信息；该现象在物体识别测试中表现突出——当目标被完全遮挡时——83%的测试模型直接猜测——而非请求移开障碍物。研究负责人马可·安东尼奥教授表示：“这就像让近视的人不戴眼镜辨认路牌，现有系统更倾向于冒险猜测，也不愿承认视觉限制。” 二、原因：训练机制与评估标准错位 深入分析发现，这一问题主要有三上原因：首先，现有训练数据中缺少“合理求助”的正面案例；其次，模型优化过分追求答案准确率，忽视了决策过程的合理性；此外，行业通用评估体系也未将主动性纳入关键指标。值得一提的是，研究发现模型规模与主动性表现无直接关联，有些参数较小的模型反而体现出更好的情境判断能力。 三、影响：限制智能应用深化 这种认知盲区已对技术落地产生实际影响。在医疗影像分析领域，系统对模糊CT片的主观判断可能导致误诊；在自动驾驶场景下，车辆对遮挡物的错误判断可能引发安全风险。剑桥大学人机交互实验室主任评价道：“没有求助能力的AI，就像医生拒绝使用助听器，其专业价值会大打折扣。” 四、对策：搭建系统性解决方案 为此，研究团队开发了ProactiveBench评估体系，涵盖7类21个子项测试场景，包括静态遮挡、动态遮蔽、低光照等情况。通过强化学习框架，对系统行为进行分级奖励：正确解答得5分，合理求助得3分，错误回答则扣分。实验结果显示，经训练后模型主动求助的准确率提升了47%，并具备跨场景迁移能力。 五、前景：推动智能系统进化 这项研究为下一代智能系统的发展提供了新思路。欧盟人工智能伦理小组已将该成果纳入《可信AI白皮书》修订案。产业反馈积极，包括西门子医疗、博世自动驾驶等12家企业已开始基于此优化产品设计。中国科学院自动化研究所研究员表示：“这标志着AI从‘被动应答’迈向‘主动协作’的重要转折。”
从“答得快”到“答得准”，再到“该问就问、该停就停”，智能系统能力的提升最终体现在处理不确定性的方式上；ProactiveBench聚焦的“主动求助”，虽是交互中的细节，却关系到模型能否具备真实世界中的证据意识与风险意识。让技术在必要时承认信息不足，并主动寻求补全，将成为提升多模态应用可靠性和推动产业稳步落地的重要一步。