HF Daily Papers·· 14 天前精选AI 评分53
PersonaCUABench：面向多元用户画像的计算机操作智能体评测基准
PersonaCUABench: Benchmarking Computer-Use Agents Serving Diverse Personas
AI 导读
PersonaCUABench 在固定 74 个任务和 11 个领域、仅改变请求者画像时，发现计算机操作智能体的平均任务完成率相对原始请求下降 36%。
推荐理由
该基准固定 74 个任务、仅变换请求者画像，揭示了按固定指令评测时可能掩盖的用户约束与满意度落差。
来源：HF Daily Papers · huggingface.co