arXiv 人工智能· Yizhou Liu, Zhengxi Lu, Fei Tang, Yiwen Qiu, Yong Du, Tongbo Chen, Bofan Chen, Tao Jiang, Wenhao Xu, Yunfeng Shu, Wenqi Zhang, Weiming Lu, Jun Xiao, Yueting Zhuang, Yongliang Shen·· 16 小时前AI 评分43
MemU-Bench：长程用户交互下的 GUI Agent 评测基准
MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions
AI 导读
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%。
来源：arXiv 人工智能 · arxiv.org