iPrefBench：个性化移动使用智能体基准发布

Yuting Ning 等人提出并发布 iPrefBench，用于评估个性化移动使用智能体在可执行 iOS 环境中“推断与询问”用户偏好的能力。该基准基于含 3,051 条历史活动事件的统一人设，覆盖 26 个应用的 130 个欠指定任务，并配有交互式模拟用户。 对 7 个前沿智能体的评测显示，动作完成分最高达 91.6%，但完整任务成功率最高仅 47.7%，说明智能体在执行层面表现较好，在个性化推断与询问上明显落后，尤其在只能向用户询问的信息上表现不佳。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。