MobilePA-Bench：评测移动规划智能体处理复杂真实任务的能力
MobilePA-Bench 是一个用于评估移动 AI 智能体工具调用和长期规划能力的交互式基准。其可执行沙盒维护实时应用数据库并返回结构化反馈，覆盖 13 个功能领域和 212 个真实移动工具。测试还考察子智能体协作、记忆使用和可复用技能调用。实验表明，即使是当前领先的大语言模型，在严格的工具调用顺序、权限限制和意外运行时错误下仍然不够可靠。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。