GraceBench：基于UI转换图的移动GUI Agent执行稳定性在线评测基准

Ridong Zhang 等作者在 arXiv 发布论文，提出在线评测框架 GraceBench，用 UI Transition Graphs（UTG）和视频轨迹对移动 GUI Agent 做步骤级执行稳定性诊断，而非只评估最终任务成功。 GraceBench 包含 10 个应用中的 169 个任务，构建了 10 个 UTG，含 2,909 个规范 GUI 状态和 3,116 条观测到的转移，为步骤级执行诊断提供结构化参照。代码和数据将于 https://iaie-physicalai.github.io/GraceBench 发布。

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。