苹果与俄亥俄州立大学发布 iPrefBench 评测移动 Agent 偏好推断能力

苹果联合俄亥俄州立大学发布 iPrefBench，在可执行的 iOS 仿真环境中评测移动 Agent 推断缺失偏好和提出必要问题的能力。基准包含 3051 条历史活动用户画像，覆盖 26 个应用的 130 个欠明确任务；7 个前沿 Agent 的任务执行得分最高为 91.6%，完整任务成功率最高仅 47.7%。