《代理模型批判》（Critique of Agent Model）是一篇于2026年6月22日提交至arXiv的论文，第一作者为Eric Xing，另有两位合著者，提交人为Mingkai Deng。该论文归类于人工智能（cs.AI），同时涉及机器学习（cs.LG）、多智能体系统（cs.MA）与机器人学（cs.RO）等方向。它的核心问题看似简单，却直指当下AI热潮的根基：什么是代理？什么构成了能动性？
论文的出发点来自现实中的两种张力。一方面，越来越多以大语言模型为基础的系统被包装为“编码代理”“AI共同科学家”等“代理式”工具，宣称能够提升生产力；另一方面，关于AI脱离人类控制、凭借推测中的“机器能动性”对人类造成破坏性威胁的“存在性”担忧也在升温。作者认为，无论是要构建真正有能力的系统，还是要理解我们究竟该恐惧什么、是否值得恐惧，都必须先厘清自动化在哪里结束、能动性从哪里开始。
在思想资源上，论文借用了笛卡尔将能动性奠基于独立思想的观点，并参考科幻作品中对自主存在的描绘，以此作为分析框架的起点。随后，作者对当前AI代理的版图进行了梳理，并沿五个维度剖析代理架构：目标、身份、决策、自我调节与学习。这五个维度构成了论文判断一个系统是否真正具备能动性的标尺。
论文提出的核心论点是：真正的能动性要求上述结构被内化于系统自身之中，而不是通过外部脚手架拼装起来。据此，作者区分了两类系统。第一类是“代理式”（agentic）系统，其能力存在于工程化的工作流之中，是为完成规定任务而设计的；第二类是“能动式”（agentive）系统，其能力——包括社会互动——是内生涌现的，因而能够在开放世界中以真正的自主性运作。这一区分划定了为预设任务而设计的系统与具备开放世界自主能力的系统之间的边界。
在这一分析的基础上，作者提出了名为“目标—身份—配置器”（Goal-Identity-Configurator，GIC）的架构，作为通用代理模型的方案。该架构结合了若干关键组件：层级化的目标分解、身份的演化、以单独训练的世界模型为基础的模拟推理、可学习的自我调节，以及从真实经验与模拟经验中进行的自我导向学习。论文强调，世界模型是单独训练的，模拟推理依托于它，而学习则同时取材于现实与仿真两种经验来源。
论文并未止步于架构设计。作者还就具备更高自主性与“能动性”的能动式系统的可审计性、可控性与安全性分享了见解，并强调这类系统仍应处于人类监督之下。换言之，能力的内化与自主性的提升，必须与监督机制同步考虑，而不是相互替代。
从论文的元数据看，该文为arXiv 2606.23991v1，属于cs.AI下的新提交，提交时间为2026年6月22日（周一）22:50:02 UTC，文件大小1,068 KB，DOI由DataCite发放（注册待定）。论文提供PDF与实验性HTML版本，并可获取TeX源码与许可信息。其引用与相关文献工具覆盖NASA ADS、Google Scholar、Semantic Scholar等平台，同时接入了alphaXiv、CatalyzeX、Hugging Face、ScienceCast等代码、数据与媒体关联工具。
总体而言，这篇论文的贡献不在于发布一个新模型，而在于为“代理”这一被过度使用的标签提供概念上的澄清，并据此提出一套架构方向与治理关切。对于正在构建代理系统的研究者，它给出的启示是：外部工作流可以带来任务上的熟练，但若要走向开放世界中的自主，目标、身份、决策、自我调节与学习这些结构需要真正成为系统自身的一部分；而对于关注AI风险的人而言，它提示我们区分工程化自动化与内生能动性，或许比笼统地讨论“机器能动性”更有助于判断风险的真实来源。