AI 代理該認得「你」：iOSWorld 與 MyPCBench 兩套新基準，逼模型在真實個人環境裡考試

iOSWorld 與 MyPCBench 這兩套新基準，盯的是同一個缺口。一個好用的手機或電腦代理，應該認得操作它的是「你」——你的身分、你的使用習慣、你存在裝置上的歷史與偏好，而不是把每個使用者都當成一張白紙。論文指出，現在多數評測都在沒有個人脈絡的環境裡進行，模型在測試裡表現好，搬到真實裝置上卻常常水土不服。

差別在哪？舉例來說，你叫代理「把昨天那封信轉給常合作的廠商」，它得知道「昨天那封信」是哪封、「常合作的廠商」是誰，這些都藏在你的裝置與過往紀錄裡。一個只會執行通用指令、卻讀不懂你個人脈絡的代理，做起真正貼身的任務就會頻頻出錯。

這兩套基準的價值，是把「個人化」從一句口號變成可以打分的標準。有了能衡量的指標，研究者才知道模型在理解個人脈絡上到底進步了多少，廠商也才有共同的尺去比較誰家的代理更貼心。手機與電腦代理要從展示走向天天能用，這類評測是必要的基礎工程。

對台灣的應用開發者，這提醒了下一階段的競爭點。當大家用的底層模型差距縮小，能不能安全又準確地讀懂使用者的個人脈絡、把貼身任務做對，會成為產品好不好用的關鍵差異。同時，個人脈絡牽涉大量隱私資料，怎麼在貼心與隱私之間拿捏，會是繞不過去的設計課題。