GUITestScape基准与GUIJudge评估器发布

2026年10月30日，Xiaoyi Chen等人在arXiv发布针对探索性GUI测试的开放集评估基准GUITestScape。该基准覆盖61款真实世界Android应用及508个预设缺陷，涵盖交互与显示两类类型。 该工作同时引入开放集评估器GUIJudge，其核心机制为将智能体测试轨迹分解为可独立诊断的能力单元，实现过程感知评估。研究指出集成该验证器可在无重新训练前提下提升现有模型检测性能。 该基准拓展了多模态大模型（MLLM）智能体的评估维度。分析表明，现有模型在检测交互与显示缺陷时均以“检测”环节为关键瓶颈，验证了该新评估框架在识别此类性能短板方面的必要性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。