苹果发布 iPrefBench 基准：移动智能体执行力强但个性化差

2026年10月28日，AGI Hunt 报道，苹果联合俄亥俄州立大学发布移动智能体基准 iPrefBench。该基准在可执行的 iOS 仿真环境中评测移动智能体，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，专门考察智能体推断缺失偏好与必要提问的能力。评测结果显示，7 个前沿智能体的任务执行得分最高达 91.6%，但完整任务成功率最高只有 47.7%；个性化能力明显拖后腿，智能体在执行层面表现较强，却难以把用户偏好落实为完整可用的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。