arXiv cs.AI·9 小时前★ 3
MemU-Bench：长程交互模糊指令 GUI 智能体基准
原文标题：MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
论文提出 MemU-Bench 移动端基准，含 118 个基于 29 条长程用户轨迹的模糊任务，要求智能体从历史交互中提炼记忆并按需检索上下文。评测显示 Gemini-3.1-Pro 的 SPL 仅 16.4%，端到端 GUI 智能体低于 5%；配套的免训练框架 AppMem 将 GPT-5.5 的 SPL 从 15.7% 提升至 66.9%。
所属主题基准测试5
阅读原文 +0
AI 处理过程展开/收起
原始标题：MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions
AI 中文标题：MemU-Bench：长程交互模糊指令 GUI 智能体基准
来源：arXiv cs.AI · 发布于 9 小时前
分类：应用产品 · AI 重要度：★ 3（3）
标签：GUI 智能体 / 记忆机制 / 基准测试 / 长程交互 / 移动端
关键词：MemU-Bench / GUI 智能体 / 智能体记忆 / AppMem / AI 基准测试
AI 处理：2026/11/3 18:03:21 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
Hacker News – AI·45 天前★ 5
AI分析40万条Reddit帖子发现Ozempic隐藏副作用
AI 摘要研究利用AI分析约40万条Reddit帖子，发现Ozempic等GLP-1药物此前未被充分记录的副作用。该成果展示AI在药物警戒与真实世界证据挖掘中的潜力，可补充传统临床试验与不良反应报告的盲区。
#应用产品
The Verge AI·56 天前★ 5
谷歌AlphaGenome Atlas绘制人类基因组图谱
AI 摘要谷歌DeepMind推出AlphaGenome Atlas，包含人类基因组中每个可能的DNA字母变化的预测图谱，有望加速科学研究并推动疾病治疗。该工具将改变我们对生物学的理解。
#应用产品
36氪·6 小时前★ 4
独家：字节 Seedance 海外收入占比达 50%，腾讯、B 站为国内主要客户
AI 摘要字节跳动视频生成模型 Seedance 的海外收入占比已达 50%，过去半年海外收入增长近 5 倍。国内客户以腾讯、B 站等互联网企业为主，腾讯位列中国区前三。Seedance 2.5 强化多模态参考与编辑一致性，实体产业客户占比已超四分之一。
#应用产品
Simon Willison Blog·9 小时前★ 4
Anthropic 团队零 Rust 经验，用 Claude 重构核心 API：CPU 省 40%、延迟降 20%
AI 摘要Anthropic 团队在毫无 Rust 经验的情况下，借助 Claude 完成核心 API 的跨语言重构。重构后 CPU 占用降低 40%，延迟下降 20%。该案例展示了 AI 编程助手在大型生产系统迁移中的实际价值。
#应用产品