arXiv · AI· Zhixin Lin, Dongliang Xu, Jungang Li, Shidong Pan, Jun Feng, Yanbin Sun, Jing Li, Liang Liu, Yue Yao·· 4 小时前AI 评分32
PrefDiag-Bench 揭示 Mobile GUI Agent 个性化执行故障机制
Diagnosing Personalization Failures in Mobile GUI Agents
AI 导读
PrefDiag-Bench 通过 1664 个探针诊断 11 个 Mobile GUI Agent 系统的个性化故障，发现模型在偏好个性化任务中表现显著低于普通任务。 最优模型 Seed-2.0-Pro 在显式用户画像的 Process 偏好任务中完成率仅 47.17%，系统普遍难以从历史中选择相关证据及识别偏好生效时机。 提供相关证据的干预措施使端到端任务成功率最高提升 7.06%。
来源：arXiv · AI · arxiv.org