PointerBench发布：1500组样本诊断细粒度GUI定位
新基准PointerBench含1500组截图指令，覆盖表格、长文本与100款专业应用的细粒度GUI定位。Text最难：Claude Fable 5、GPT-5.6 Sol、UI-Venus-2-9B为69.6%、53.4%、25.8%，平均83.2%、77.7%、54.5%。价格与国内可用性未知。
要点
- 基准分Sheets、Text、Pro三项，分别考察表格子元素几何定位、长文本字符级定位和100款专业应用。
- 文字定位最难，上述三模型的Text成功率明显低于83.2%、77.7%和54.5%的平均成功率。
- 评测覆盖通用多模态模型与39种专用GUI定位配置；代码已公开，国内可用性与价格未知。
为什么值得看
现有端到端基准侧重长程任务完成，GUI定位评测又多停留在常规控件和有限专业界面，细粒度几何与字符定位缺少专门诊断。
谁会受影响
研究计算机使用、多模态模型与GUI智能体定位能力的开发者和评测人员。
今天就能怎么试
论文称基准与评测代码已公开，但获取地址、使用条件、价格和国内可用性均未知，本条未实测。
原始来源
1PointerBench: A Diagnostic Benchmark for Fine-Grained GUI Grounding · arXiv cs.AI · 2026年10月23日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
开放世界模型结合游戏引擎，单卡生成实时可玩画面
Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。
业务智能体基准检查执行过程，完成任务也可能判失败
BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。
中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
AI协助发现PHP高危漏洞，网站维护者面临集中修补
爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。