Vinci2：第一视角AI助手实现主动服务
Vinci2让AI助手基于长期记忆主动决策介入时机，配套基准与智能体，已入选ECCV 2026。
现有第一视角视频助手只能被动应答或按预设指令触发，无法基于用户历史习惯自主判断介入时机。Vinci2将主动服务形式化为“决策+生成”联合任务，提出评测基准EgoServe和免训练记忆增强智能体EgoMemo，使AI能根据长期上下文决定何时、如何主动帮助用户。
正文摘录
.jpg)  请想象这样一种居家场景：当你戴着 AI 眼镜在厨房准备晚饭，用刀切菜时，它会立刻提醒你注意安全；当你连续几天形成举着手机长时间录像的习惯时，它会主动建议你换一种更省力的记录方式。前者需要 AI 助手根据当前场景服务用户，后者则需要调用跨越数天的记忆，总结用户生活规律。 然而，当前的第一人称视频助手大多停留在两种范式： 被动响应式（Reactive） ——用户单次提问，模型单次作答； 半主动式（Semi-proactive） ——用户预先给定指令，模型监测预定义事件并触发回复。二者都无法基于用户的历史、习惯与当前活动，自主判断「此刻是否真的需要打扰用户」。「第一人称视频助手在何时、以何种方式主动开口？」的问题依然有待被解决。 针对这一研究空白，来自大连理工大学、Alaya Lab 与东京大学的团队联合提出 Vinci2 ，将 主动服务（Proactive Assistance） 形式化为一个基于持续视频流的「决策 + 生成」联合任务：智能体在每个时刻不仅要感知正在发生什么，还要基于长时程累积的上下文，决定当前是否介入、如何介入。