iPrefBench：个性化移动智能体基准发布

Yuting Ning等作者发布 iPrefBench，用于评估个人移动使用智能体在可执行 iOS 环境中的“推断与询问”能力。该基准基于包含 3,051 条历史活动事件的连贯人设，覆盖 26 个应用的 130 个欠指定任务。 测试结果显示，7 个前沿智能体的动作完成分最高达 91.6%，但完整任务成功率最高仅 47.7%；个性化能力明显落后于执行能力，智能体在只能向用户询问的信息上请求不足。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。