arXiv · AI· 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·· 7 小时前AI 评分41
MemU-Bench：长时程用户交互下的 GUI 智能体基准
MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions
AI 导读
研究团队提出包含 118 个模糊任务的移动 GUI 基准 MemU-Bench，旨在测试智能体从长历史中恢复缺失上下文的能力。 基准引入交互效率 IE 和加权成功路径长度 SPL 指标，以区分基于真实记忆或盲目搜索的成功。评测显示 GPT-5.5 在 AppMem 框架支持下 SPL 从 15.7% 提升至 66.9%。
来源：arXiv · AI · arxiv.org