PointerBench基准发布及模型评估结果

Valentino Sacco等研究者公开发布了包含1,500个样本的PointerBench基准，用于测试细粒度GUI定位能力。该基准涵盖Sheets、Text、Pro三个子集，并提供了配套的评估代码供研究使用。 研究团队利用该基准评估了通用模型及39种专用GUI定位配置。评估结果显示，Claude Fable 5在文本定位任务中的成功率仅为69.6%，表明当前前沿模型在细粒度定位方面仍存在显著的提升空间。

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。