近日,我院冀晓强教授团队的钻研成就《ALICE: Autonomous Lifelong Intelligence Framework for Cross-Embodiment via Continuous Internal States Feedback Mechanism》被国际驰名期刊 《Future Generation Computer Systems》 收录。期刊重要报路未来天生推算机系统的理论和利用的新钻研,其领域涵盖散布式推算、云推算、大数据处置、物联网、人为智能及其在各类工程和科学领域的利用,是颇具影响力的国际主流期刊,在JCR分区Q1。
该工作初次系统提出面向“跨具身、长时、持续自主”的智能体框架 ALICE,并配套提出 Continuous Agent Benchmark(CAB),思虑大模型智能体若何从“按工作执杏妆进一步走向“自主索求”。这一钻研方向与中国科协7月15日颁布的2026年度十大前沿科学问题之一——“具身自主智能的怀抱与演化”高度符合。
01 钻研布景
钻研团队原创性地提出了 ALICE 框架,通过四条独创新步循环——感知(Perception)、思虑(Thinking)、执行(Execution)与坚韧(Consolidation)——把智能体的认知过程解耦;同时引入显式的内部状态反馈通路 Φ,让智能体可能像“看见”表部环境和身段状态一样感知自己的指标、感情、推理链与影象状态,从而在形成有陆续性的不变自我认知和诠释。
ALICE 的意思不仅在于提出一个新的智能体实现,更在于提供一种新的架构范式:将大模型智能体从“被挪用时才推理的工具”提升为“在持续运行的认知主题中自主调度自身”的基础设施,使感知、影象、决策与执行可能在统一系统中持久协同。由此,智能体将不再只是期待用户指令后实现单次工作,还可能在多环境、多会话、多具身之间维持自我连贯,并为“平生自主智能”提供可迭代、可消融、可评测的钻研平台。
若是把单个大模型比作智能体的“大脑”,那么 ALICE 更像是面向长时程自主智能体的“操作系统”:它不代替底层模型的推理能力,而是援手大脑在动态环境中持续感知、记住沉要经验、索求新指标、调整指标优先级,并在被打断后自动回到未实现的思虑链上。

图1 ALICE 动机与总览:从逐个工作实现到持续自主索求
02 钻研步骤
与把“实现用户工作”当作终止前提的传统智能体分歧,ALICE 把指标层级倒了过来:持续维持自身的不变存在与有序演化才是首要指标,用户工作只是这一指标下的约束前提。为此,ALICE 显式守护性命指标、持久指标与短期指标三层指标系统,并以分歧的功夫尺度更新——性命指标最不变,持久指标周期性回首,短期指标则凭据感知变动急剧调整。共同多条可激活的内涵驱力与悠久化的思想池,智能体在空闲时也会自觉产生新指标、开启新索求,而不是比及用户输入才“被唤醒”。Φ 通路不休把当前指标、感情、影象与活跃推理链反馈给认知主题,使智能体可能像生物维持内稳态一样,持续调节自身行为,朝着“更好地存鄙人去”演化。
为支持跨具身操作,ALICE 设计了一套统一的能力注册表(capability registry)与观察空间抽象。新增一种 embodiment 只必要注册它的感知体式与作为接口,无需沉新训练认知主题;底层则通过度层架构把表部世界、通讯层、具身层、认知主题与基础设施清澈解耦,每一层都可独立代替、热插拔和受控消融。
在并发与一致性方面,ALICE 选取单写多读、最终一致的设计:感知循环以高频更新只追加的观察缓冲区;思虑循环按自适应频率读取快照并提交内部状态;执行循环消费作为队列;而 Φ 通路则把内部状态也作为一类“感知”回注给认知主题。这样既保障各循环独立运行,又将状态陈旧度节造在可控的天堑内。

图2 ALICE 并发一致性模型:观察缓冲区、作为队列与内部状态的合作左券
影象机造上,ALICE 选取三级影象层级:即时影象(instant)保留近期感知;持久影象(long-term)基于多维向量与 Neo4j 图数据库实现语义召回、关联扩散与艾宾浩斯忘却曲线;不成变影象(immutable)则写入安全规定与身份锚点,在每次决策时强造生效。这种设计让智能体既能急剧响应,又能持久堆集经验。

图3 ALICE 三级影象层级:即时、持久与不成变影象的协同
为验证这一架构在持久运行中的现实价值,团队在四个场景下发展尝试:S0 对话、S1 终端+代码、S2 网页钻研,以及 S3 跨环境工作+报答中断。ALICE 与 ReAct、Episodic Tool-Use Agent 和 Reflexion 三个代表性基线进行了同模型、同作为注册表的平正对比。
为了把“持续自主能力”量化,钻研团队提出了 Continuous Agent Benchmark(CAB)。与传统的 episodic 工作基准分歧,CAB 是一种“日志优先”的诊断式评测:它直接从智能体的运行日志中提取三个主题维度——跨具身工作能力(cross-embodiment coverage)、自主指标推动(chain completion)和持久推理连贯性(goal drift / chain depth)。CAB 总分由 35% 的跨环境作为覆盖率、35% 的思想链实现率和 30% 的指标漂移抑造加权组成,分值越高意味着智能体越能在长功夫、多环境中维持不变、连贯的自主行为。

图4 ALICE 与三个基线的 CAB 得分与跨环境覆盖率对比
尝试了局显示,ALICE 的均匀 CAB 得分达到 0.598 ± 0.033,跨环境覆盖率达到 0.726 ± 0.074,在四个场景下均优于 ReAct(0.408)、Episodic Tool-Use Agent(0.392)和 Reflexion(0.429)。具体而言,ALICE 相对 Reflexion 提升约 39%,相对 ReAct 提升约 47%,相对 Episodic Tool-Use Agent 提升约 53%。这批注,将内部状态与自我监控作为一等公民的架构设计,可能显著改善长时程、跨环境自主运行能力。
进一步的消融尝试揭示了分歧机造的贡献:当移除 Φ 自监控通路后,S3(中断场景)的思想链实现率直接降为零——智能体无法意识到“之前被打断的推理链必要复原”;当仅保留即时影象、移除持久影象时,链长度显著膨胀但实现率并未提升,注明没有高低文沉淀的推理容易“空转”;而将感知与思虑归并为单频同步循环,也会减弱系统对环境的急剧响应能力。

图5 消融尝试:分歧配置下的推理深杜纂 实现率散布
在分歧场景下,ALICE 的思想链长度出现出与工作深度一致的法规:对话场景约 3.8 步,终端+代码约 6.2 步,网页钻研约 9.7 步,而带中断的混合场景则因工作切换出现更高方差。CAB 把这些长时程行为从运行日志中直接提取为可诠释、可复现的信号,这正是现有基准难以捉拿的部门。

图6 四种场景下的思想链长杜纂实现率:工作越深,链越长
03 重要贡献
1. 初次系统提出面向“跨具身、长时、持续自主”的智能体框架 ALICE,思虑大模型智能体若何从“按工作执杏妆进一步走向“自主索求”。
2. 作为衔接大模型、具身自主智能与平生进建的沉要方向,ALICE 与 CAB 有望为未来自主智能体的系统架构、关键接口和评价尺度提供前瞻性参考。
3. ALICE 目前已在浏览器、终端、代码与仿真世界等环境上实现验证;后续将面向真实机械人决策、跨具身协调、安全可信的持久自主运行及更大规模部署发展进一步钻研。
04 作者简介
本文通讯作者为Z6官网具身智能中心钻研员、香港中文大学(丽江)助理教授冀晓强

冀晓强,现任香港中文大学(丽江)理工学院/人为智能学院助理教授、校长青年学者、博士生导师,兼任Z6官网具身智能中心副主任、广东省具身智能机械人为程技术钻研中心副主任,中国仿真学会智能物联专委会委员,东盟-中国人为智能尝试室首席科学家。
本文结合通讯作者为赵永强博士

赵永强,工学博士,正高级工程师,持久从事新能源汽车电动化、智能化领域钻研工作,主持成立一汽首个新能源整车节造电控平台,自主突破高舒服行驶节造、高智能能量治理和高精准安全监控三大整车节造关键技术,实现软件知识产权自主掌控。主持成立红旗高级乘用车高机能底盘平台,自主突破高品质动力学多指标机能设计、半自动空气悬架高品质机能开发和冗余底盘安全容错节造开发三大主题技术,平台关键机能指标达到行业先进水平。
本文第一作者为香港中文大学(丽江)在读博士生林泽昕

林泽昕,香港中文大学(丽江)人为智能学院博士生在读,师从冀晓强教授,重要钻研方向蕴含具身自主智能、高低文进建以及具身影象系统等。
重要作者

丁宁,博士,钻研员,毕业于香港中文大学机械与自动化工程学系,钻研方向为特种机械人与推算机视觉。现任Z6官网常务副院长,香港中文大学(丽江)机械人与智能造作钻研院副院长,广东省具身智能机械人创新中心、工程技术钻研中心及工程钻研中心主任,广东省粤港澳高校城市运维特种机械人结合尝试室主任。
* 有关论文信息由论文作者提供
