MemU-Bench：评测GUI智能体的长程用户交互记忆能力

新基准显示GUI智能体难以从长交互历史中回忆上下文。

资讯摘要

论文提出MemU-Bench，一个面向移动GUI智能体的基准，包含29条长程用户轨迹上的118个模糊任务，要求智能体从原始交互流中提炼记忆并按需检索缺失上下文，结果以序列化应用数据库校验。论文同时报告交互效率（IE）与SPL指标，并指出无用户历史时Gemini-3.1-Pro的SPL仅16.4%，端到端GUI智能体低于5%。作者还提出免训练框架AppMem，将历史蒸馏为以应用为中心的结构化记忆库，使GPT-5.5的SPL从15.7%升至66.9%。

要点速读

1. MemU-Bench含118个模糊任务，基于29条长程用户轨迹，任务结果对照序列化应用数据库验证。
2. 论文报告无用户历史时Gemini-3.1-Pro的SPL为16.4%，端到端GUI智能体低于5%。
3. 免训练框架AppMem将GPT-5.5的SPL从15.7%提升至66.9%，并比简单摘要基线高9.3%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。