ElderBench：针对老年人群的自主移动智能体性能评估

2026 年 9 月 7 日，arXiv cs.AI 发表 ElderBench 研究，这是首个针对老年人真实场景评估移动图形界面代理的基准。该研究基于来自 20 个应用的 249 项自然采集智能手机任务构建，分析了老年指令在句法、语义及语用层面与现有 GUI 基准的差异。测试结果显示，主流 GUI 代理和视觉 - 语言模型在处理老年导向指令时性能显著下降。通过控制指令归一化、失败分析及细粒度语言特征分析，研究识别了导致代理失败的特定于老年人的语言模式，旨在为设计更自适应、可解释且包容年龄的 GUI 代理提供洞察。