MobilePA-Bench 发布，基准测试移动规划智能体

2026年10月，arXiv 论文提出 MobilePA-Bench 基准。该基准包含1705个任务和212个移动工具，旨在评估移动规划智能体在复杂现实任务中的表现。 研究团队利用该基准系统性评估了开放和闭源大语言模型。评估结果揭示了模型在资源检索和程序合规方面存在的具体弱点。该基准结合了统一能力覆盖、证据对齐验证和能力门控评估方法。 此外，研究团队在沙箱环境中使用在线强化学习训练了一个 Qwen3.8-27B 基线模型。该模型的性能提升为验证该环境在规划器开发中的效用提供了初步证据。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。