Rhythms of Work: Multi-Scale Interpretation of Human Behavioral Traces for Workplace Agents
本文提出工作场所智能体应基于多尺度分辨率解读人类行为痕迹，以解决低粒度事件过于复杂而单一摘要无法准确反映用户状态的问题。研究构建了包含语义归一化算子、重复动机、连贯片段及日间节奏的多分辨率词汇表，应用于 6.67 亿条来自大型商业生产力套件的用户数据（50,000 名用户，100 个组织），提取出 120 种算子类型、数千种动机、25 种片段类型和 5 种日间节奏原型。在独立验证集上，该表示法预测用户下一片段的能力比扁平化算子基线高出 17% 的相对宏观 F1 值，且结构稳定性良好；消融实验证实不同问题需在不同分辨率下回答，因此智能体应依据查询需求访问相应时间粒度，而非依赖通用摘要。