热点事件持续更新
移动GUI智能体个性化诊断基准PrefDiag-Bench发布
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
2026年10月23日，相关研究推出了针对移动端 GUI 智能体个性化失败的评测基准 PrefDiag-Bench。该基准包含1,664个探针构成的诊断框架，对11个移动端 GUI 智能体系统的个性化表现进行了全面评估。评测结果显示，现有智能体系统在个性化任务中表现大幅下滑，其中表现最优的 Seed-2.0-Pro 在流程偏好下的成功率仅为 47.17%。研究进一步指出，通过受控干预显式提供历史证据，可有效缓解智能体在证据提取和时机识别方面的瓶颈，使端到端任务成功率最高提升 7.06%。
AI 根据报道生成 · 6 小时前更新
最新进展10月23日 12:00
PrefDiag-Bench基准发布，评测显示现有智能体个性化表现欠佳，干预最高可提升成功率7.06%。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 人工智能移动端 GUI 智能体个性化失败诊断
新研究推出评测基准 PrefDiag-Bench，通过包含 1,664 个探针的诊断框架评估 11 个移动端 GUI 智能体系统的个性化表现。评测显示现有系统在个性化任务中表现大幅下滑，表现最好的 Seed-2.0-Pro 在流程偏好下仅获 47.17%。显式提供历史证据的受控干预可改善证据提取与时机识别瓶颈，将端到端成功率提升最高 7.06%。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。