arXiv · AI· Xiaoyi Chen, Yifei Gao, Yang Xu, Zhenlong Wang, Jian Yan, Jiming An, Xingxing Song, Liqun Deng, Xiaojun Meng, Jiansheng Wei, Yi Zhang, Jitao Sang·· 9 小时前AI 评分25
GUITestScape 提出探索性 GUI 测试的开放集评估基准，覆盖 61 款应用与 508 个预设缺陷。
GUITestScape: Towards Open-set Evaluation on Exploratory GUI Testing
AI 导读
该基准包含 GUIJudge 评估器，能分解智能体轨迹进行过程感知评估，且集成验证器可在无重新训练下提升现有模型的检测性能。 现有模型在两类缺陷中均以检测为关键瓶颈，该工作拓展了 MLLM 智能体的评估维度。
来源：arXiv · AI · arxiv.org