P-ContextBench 基准评估个性化智能体个人上下文理解
原文标题：P-ContextBench: From Personal Fact Recall to Personalized Agent Behavior
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究者提出 P-ContextBench，基于人口统计种子构建有生活史的数字人，将特征、习惯、目标与约束作为隐式证据嵌入碎片化的合成手机应用记录。基准含 100 个角色、10088 条隐藏事实、18261 条应用轨迹片段与 4810 条验证测试用例。当前 SOTA 模型在时间状态追踪、高层模式推断与约束感知决策上准确率低于 60%。
- 问题
- 个人上下文私有、碎片化且动态，缺少可验证的个性化智能体评测基准。
- 方法
- 用人口统计种子构建有生活史的数字人，把特征、习惯、目标与约束作为隐式证据嵌入碎片化合成手机应用记录，并做多阶段验证。
- 结果
- 含 100 个角色、10088 条隐藏事实、4810 条验证用例；SOTA 模型在时间状态追踪、模式推断、约束感知决策上准确率低于 60%。
- 影响
- 做个人助理类产品的团队可据此定位上下文理解短板，并把它作为上线前的能力基线。
深读 · 结论先行AI 生成展开看要点与影响 ↓
P-ContextBench 用 100 个数字人、10088 条隐藏事实测个性化智能体，SOTA 模型多项能力准确率低于 60%。
- •基于人口统计种子构建有生活史的数字人，把特征、习惯、目标与约束嵌入碎片化的合成手机应用记录。
- •规模：100 个角色、10088 条隐藏事实、18261 条应用轨迹片段、4810 条验证测试用例。
- •评估五项能力，含单源/多源事实恢复、时间状态追踪、高层模式推断与约束冲突下的安全处理。
- •当前 SOTA 模型在时间状态追踪、高层模式推断与约束感知决策上准确率低于 60%。
为什么重要：个人上下文理解是个人助理类产品的前提，这条表明现有模型在动态、碎片化个人数据上仍明显不足。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。