PIRA-Bench：从响应式GUI智能体到基于GUI的主动意图推荐智能体的转变

当前的图形用户界面（GUI）智能体主要在响应式范式下运行：用户必须给出明确指令，智能体才会执行任务。然而，智能的AI助手应当是主动的，能够直接从连续视觉输入（如手机或桌面截图）预判用户意图，并在没有用户明确提示的情况下及时给出推荐。向这种主动范式转变存在重大挑战。真实世界的屏幕活动很少是线性的，它由充满噪声浏览、无意义动作与多线程任务切换的长时程轨迹构成。为填补这一空白，我们提出PIRA-Bench（主动意图推荐智能体基准），一个评估多模态大语言模型（MLLM）在连续、弱监督视觉输入上表现的新基准。与响应式数据集不同，PIRA-Bench的特点是包含多个交错意图的复杂轨迹，以及带有各种用户画像情境的噪声片段，挑战智能体在贴合用户偏好的同时检测可行动事件。此外，我们提出PIRF基线，一个具备记忆感知与状态追踪的框架，使通用MLLM能够管理多个任务线程并处理误导性视觉输入。PIRA-Bench是迈向稳健、主动的基于GUI的个人助手的初始一步。