发布GUITestScape开源集GUI测试基准

Xiaoyi Chen 等在 arXiv 发布论文，推出面向 MLLM 智能体探索式 GUI 测试的开集交互基准 GUITestScape，以及配套的开集评测器 GUIJudge。基准覆盖 61 个真实 Android 应用和 508 个预设缺陷，分为交互与显示两类。团队称 GUIJudge 将智能体的测试轨迹分解为可独立诊断的能力，性能显著优于所有基线；实验显示缺陷检测仍是现有模型的关键瓶颈，将 GUIJudge 验证器集成到现有智能体可在不重新训练的情况下提升检测性能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。