MemGUI-Bench 发布：评测 GUI Agent 的长程记忆能力

浙江大学、南开大学、香港中文大学、上海交通大学与 vivo AI Lab 的研究团队提出 MemGUI-Bench，用于系统评测 GUI Agent 在动态环境中的短期信息保持与跨会话学习能力，该工作已被 ACM Multimedia 2026 接收。Benchmark 覆盖 128 个任务，公开 Leaderboard 已从初版 11 个 Agent 扩展至 26 个系统。最新结果显示 GUI-Owl-1.5-32B-Instruct 在 AndroidWorld 成功率 69.8%，而 MemGUI-Bench 单次尝试 p@1 仅 10.9%；Gemini-3.1-Pro-Preview 从 70.7% 降至 43.8%。

此前 GUI Agent 评测多集中在单页或单指令操作，关键信息通常就在任务指令或当前页面中，Agent 无需精确保留历史。MemGUI-Bench 把评测拉长到跨数十步、多应用乃至多次会话，并给出公开 Leaderboard，使“会操作”与“会完成长程任务”之间的差距可被量化对比。