苹果 iPrefBench 揭示移动智能体短板：执行力强但个性化差

苹果联合俄亥俄州立大学发布 iPrefBench，在可执行 iOS 仿真环境中评测移动智能体，7 个前沿智能体的任务执行得分最高 91.6%，完整任务成功率最高仅 47.7%。该基准基于包含 3051 条历史活动的用户画像，覆盖 26 个应用的 130 个欠明确任务，专门评测智能体推断缺失偏好与必要提问的能力。个性化能力明显拖后腿。