GMA基准是什么？
GMA是一个用于在挑战性真实场景中评测通用移动助手的基准，包含七个基于开源项目的应用和300个任务。
Benchmarking General Mobile Assistants in Challenging Real-World Scenarios
（翻译）挑战性真实场景下通用移动助手的基准评测
资讯摘要
Abstract page for arXiv paper 2608.27477: Benchmarking General Mobile Assistants in Challenging Real-World Scenarios
AI 摘要
arXiv论文提出GMA基准，用于在挑战性真实场景中评测通用移动助手。该基准基于开源项目引入七个应用、300个任务，分四个难度层级。研究评测了八个前沿模型，发现任务复杂度增加时性能显著下降，同时测试了代理框架设计（如上下文保留、显式状态跟踪）的影响，表明合理框架设计可提升表现。
AI 问答
GMA基准有哪些特点？
GMA扩展了应用覆盖范围和任务复杂度，涵盖生活方式分享、旅行规划等场景，任务分四个难度层级，并支持对代理框架设计的受控消融研究。
更多资讯
无效的管理者和疲惫的基层：浅论考核指标的漂移
抖音上线 “免费短剧” App，短剧赛道再添一员猛将圆桌：CVC的全面崛起 | 36氪 2026产业未来大会
破局产品同质化：长期主义的产品突围之路
特朗普“一再让步”：美国加密法案仍未过关
缓存不该困在一台服务器里
担心代码被拿去训练！英伟达：限制员工使用 Claude；一汽将成广汽第二大股东！南北丰田拟合并；苹果回应「iPhone 18 Pro破发」
黄仁勋再谈AI危险论：中国会成为全球开源重要力量
Meta 打造“组织第二大脑”智能体的设计思路
穿透查询怎样升级为穿透管控？
OpenAI万亿IPO推迟背后 四本账与三条投资路径
GPT-6 Sol要来了？OpenAI本周或迎“发布狂潮”58秒出杯，能拉花的咖啡机器人，在全球70国卖出600万杯
QQ 飞车 Agentic 研发转型过程中的Loop Engineering工作流可以自我进化了，英伟达开源 SoL-Pi，每小时省13.5刀！
从 270 分钟到 18 分钟：B 端产品经理如何主导一个 AI 达人撮合系统英伟达开源 IMO 金牌配方：不仅是「人海战术」，1.5TB 显存做实 AI「 推恩令」？
HIP-3：昂贵的入场券 买不来的护城河
高瓴系 CFO 往事：一代顶级机构年轻人的迁徙与突围
百度做了一堆AI产品，却没有一个能代表百度？
企业该买模型还是养上下文？企业案例分享：玉盘量智-离子阱量子计算芯片化集成工程实践 | 36氪 2026产业未来大会
从接住告警到自我进化：快手智能运维助手实践｜QCon上海8点1氪丨选手赛中失禁污染赛道，HYROX中国宣布整改；机构预计美股明年将暴跌21%；苹果推出Siri人工智能
贝森特回购落空与通胀重压 美联储加息或全面开启
理想落幕：加密行业为何集体走向同质化？被AI放大的光学「戏份」，让「配角」舜宇的生意越做越大
场景越多 ≠ 产品越好，：从抽象价值到真实生活的定义结构
OpenAI 发布适用于编程和计算机应用的 GPT-6 Astra
别闹，几粒盐就能立起高脚杯？你是不是用胶水了？