跳到正文
arXiv · AI· Ridong Zhang, Shuxian Liang, Chaoqun Wan, Zhen Huang, Xian-Sheng Hua·· 2026-10-15AI 评分33

GraceBench:移动 GUI Agent 执行稳定性诊断基准

How GUI Agents Fail: GraceBench for Execution Stability Diagnosis

AI 导读

研究提出 GraceBench 框架,利用 UI 转换图(UTG)对移动 GUI Agent 进行步骤级执行稳定性诊断。 GraceBench 包含 169 个任务、10 个应用及 2,909 个 GUI 状态,涵盖 3,718 条轨迹,指标包括偏差率与恢复能力。 评估显示 GPT-5.6 Sol 成功率最高但恢复能力最低,51.24% 的成功轨迹包含偏差或循环。

来源:arXiv · AI · arxiv.org