論文の概要: Diagnosing Personalization Failures in Mobile GUI Agents

• arxiv url: http://arxiv.org/abs/2610.30573v1
• Date: Thu, 22 Oct 2026 01:04:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.180341
• Title: Diagnosing Personalization Failures in Mobile GUI Agents
• Title（参考訳）: 移動体GUIエージェントにおけるパーソナライズ障害の診断
• Abstract要約: 従来のGUIエージェントとは異なり、パーソナライズされたエージェントはGUIの状態を変化させる上でシーケンシャルな実行を導くためにユーザの好みを必要とする。 これは2つの課題を提起する: 各優先度を決定するには実行戦略を変更し、WHENは相互作用の軌跡に沿って効果を発揮すべきである。 提案するPrefDiag-Benchには,(1)HOWを特徴付ける5つのタイプに分類する,(2)1,664個のプローブを持つステージワイド診断フレームワークで,WHENの嗜好をトレースする,という2つのコンポーネントが組み込まれている。
• 参考スコア（独自算出の注目度）: 18.122563798013065
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unlike conventional GUI agents, personalized GUI agents require user preferences to guide sequential execution over changing GUI states. This raises two challenges: determining HOW each preference should alter execution strategy and WHEN it should take effect along the interaction trajectory. Existing benchmarks primarily evaluate overall task success, offering limited insight into these questions. We introduce PrefDiag-Bench with two components: (1) a categorization of preferences into five types, characterizing HOW they affect execution; and (2) a stage-wise diagnostic framework with 1,664 probes, tracing WHEN preferences should take effect and where failures occur. We evaluate eleven GUI agent systems, including end-to-end agents and agentic workflows, under two forms of user context: explicit user profiles and behavioral memory logs. Although existing agents achieve relatively high completion rates on non-personalized tasks, performance is substantially lower on preference-personalized tasks. Even the best-performing model, Seed-2.0-Pro, achieves only 47.17% on Process preferences under explicit user profiles. Agents struggle particularly with Ranking and Process preferences. Further analysis reveals two key capability bottlenecks: selecting relevant evidence from user history and recognizing when preferences should take effect during execution. Controlled interventions that explicitly provide relevant evidence improve end-to-end task success by up to 7.06%. PrefDiag-Bench offers a more systematic evaluation of GUI agents' personalization capabilities beyond overall task success. Code and data are available at https://github.com/Zhixin-L/PrefDiag-Bench.
• Abstract（参考訳）: 従来のGUIエージェントとは異なり、パーソナライズされたGUIエージェントは、GUI状態の変更に対してシーケンシャルな実行を導くために、ユーザの好みを要求する。 これは2つの課題を提起する: 各優先度を決定するには実行戦略を変更し、WHENは相互作用の軌跡に沿って効果を発揮すべきである。 既存のベンチマークは主にタスクの成功を評価し、これらの質問に対する限られた洞察を提供する。 提案するPrefDiag-Benchには,(1)HOWを特徴付ける5つのタイプに分類する,(2)1,664個のプローブを持つステージワイド診断フレームワークで,WHENの嗜好をトレースする,という2つのコンポーネントが組み込まれている。 エンド・ツー・エンドのエージェントやエージェントワークフローを含む11のGUIエージェントシステムについて,明示的なユーザプロファイルと行動記憶ログという2種類のユーザコンテキストで評価する。 既存のエージェントは、非個人化されたタスクに対して比較的高い完了率を達成するが、選好されたタスクではパフォーマンスが著しく低下する。 最高のパフォーマンスモデルであるSeed-2.0-Proでさえ、明示的なユーザープロファイルの下でプロセスの好みを47.17%しか達成していない。 エージェントは特にランク付けやプロセスの好みに苦しむ。 さらなる分析では、ユーザ履歴から関連するエビデンスを選択することと、実行中にいつ優先権が効くべきかを認識することの2つの重要なボトルネックが明らかになった。 明確な証拠を提供する制御された介入は、エンドツーエンドのタスクの成功を最大7.06%改善する。 PrefDiag-Benchは、GUIエージェントのパーソナライズ機能のより体系的な評価を提供する。 コードとデータはhttps://github.com/Zhixin-L/PrefDiag-Bench.comで公開されている。

関連論文リスト

• AdaptArena: Evaluating Test-Time Personalization of Web Agents [93.7336288790761]
  本稿では,Webエージェントのテスト時間パーソナライズを評価するベンチマークであるAdaptArenaを紹介する。 また、暗黙の選好推論を標準化するための検索ベースのフレームワークであるAdaptiveAgentを紹介する。 これらの知見は、信頼性の高いユーザ対応Webエージェントをデプロイする上で重要な課題として、暗黙の選好推論とロバストなアクショングラウンドメントを浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-09-29T01:46:48Z)
• DashAct: A Progressive Diagnostic Benchmark for GUI Agents in Interactive Dashboard Analysis [37.722409440590276]
  私たちが知る限りでは、DashActは、障害を同じダッシュボードタスク内のきめ細かいレベルで診断する最初のベンチマークです。 DashActには,マイルストン依存性と階層的ターゲットアノテーションを備えた,357の人間検証されたインタラクショントラジェクトリが含まれている。 その進歩的な診断カスケードは、エンドツーエンドの実行を評価し、検証済みコンテキストを次のアクション予測に復元し、ターゲットセマンティクスと視覚的接地のためのローカルビューを提供する。
  論文  参考訳（メタデータ） (2026-09-26T08:58:50Z)
• PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records [67.68348568175718]
  パーソナライズされたGUIエージェント(PersonalAlign)の階層的意図的アライメントに注目した。 PersonalAlignは、曖昧な指示で省略された好みを解決するために、長期的なユーザレコードを永続的なコンテキストとして活用する必要がある。 GPT-5, Qwen3-VL, UI-TARSなどのGUIエージェントをAndroidIntent上で評価する。
  論文  参考訳（メタデータ） (2026-01-14T17:12:48Z)
• GTA1: GUI Test-time Scaling Agent [97.58177633084915]
  グラフィカルユーザインタフェース(GUI)は、ユーザ命令をアクションプロポーザルに順次分解することで、プラットフォーム(例えばLinux)間で自律的にタスクを完了させる。 本稿では,前述の textbfGUI textbfTest-time Scaling textbfAgent,すなわち GTA1 の課題について検討する。
  論文  参考訳（メタデータ） (2025-07-08T08:52:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。