研究团队发布移动GUI Agent长程交互基准MemU-Bench
Start here
2026年11月3日，研究人员推出针对长程用户交互的移动 GUI Agent 评测基准 MemU-Bench，该基准包含基于 29 条长轨迹构建的 118 个模糊任务。评测结果显示，在缺少用户历史的情况下，现有模型表现普遍受限，其中表现最优的 Gemini-3.1-Pro SPL 仅为 16.4%，端到端 Agent 的 SPL 更是低于 5%。为改善交互表现，研究团队配套提出了免训练框架 AppMem，通过构建应用记忆库，使 GPT-5.5 的 SPL 从 15.7% 大幅提升至 66.9%。
AI-generated from reports · Updated 16 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能MemU-Bench：长程用户交互下的 GUI Agent 评测基准
研究人员推出针对长程用户交互的移动 GUI Agent 评测基准 MemU-Bench，包含基于 29 条长轨迹构建的 118 个模糊任务。评测显示缺少用户历史时，表现最优的 Gemini-3.1-Pro SPL 仅为 16.4%，端到端 Agent 低于 5%。配套提出的免训练框架 AppMem 通过构建应用记忆库，使 GPT-5.5 的 SPL 从 15.7% 提升至 66.9%。
Story heat trend
Current heat 6·Comparable peak 9（Nov 3 18:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.