GUITestScape 基准与 GUIJudge 评估器发布

1. 12:00
   arXiv cs.AI

   GUITestScape：面向开放式评估的探索性 GUI 测试基准

   GUITestScape 是一个覆盖 61 个真实 Android 应用、508 个预设缺陷的交互式基准，同时涵盖交互缺陷与显示缺陷两类。研究团队还提出开放式评估器 GUIJudge，可将智能体的测试轨迹拆解为可独立诊断的能力，性能显著优于所有基线。实验显示检测仍是现有模型的主要瓶颈，将 GUIJudge 的验证器接入现有智能体后无需重训练即可显著提升检测表现。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。