跳到正文
Hugging Face Daily Papers·· 2026-10-16AI 评分75

PersonaCUABench:评估服务多样化人设的计算机使用智能体

PersonaCUABench: Benchmarking Computer-Use Agents Serving Diverse Personas

AI 导读

该基准针对固定任务规范无法反映真实用户需求的问题,引入了 44 种不同人设来改写指令并提问,使智能体仅通过对话交互完成任务而不直接看到原始指令或用户画像。在涵盖 11 个领域的 74 项任务中,基于九种骨干模型共运行 3,330 次,结果显示平均任务完成度较原始请求下降 36%。

来源:Hugging Face Daily Papers · arxiv.org