MyPCBench: A Benchmark for Personally Intelligent Computer-Use Agents

MyPCBench 在 Linux 桌面中放入 17 个模拟真实 Web 应用，并用 Michael Scott 这一 persona 的登录态、历史数据和个人上下文构造 184 个任务。6 个模型在统一 computer+bash 工具面上测试，最佳的 Claude Opus 4.6 只完整解决 55.4%。它强调个人助理的难点在跨应用长轨迹和隐含个人信息，而不是单网页操作。