論文の概要: MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions

• arxiv url: http://arxiv.org/abs/2611.00191v1
• Date: Fri, 30 Oct 2026 17:41:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:20:43.880382
• Title: MemU-Bench: Benchmarking GUI Agents on Long-Horizon User Interactions
• Title（参考訳）: MemU-Bench: 長距離ユーザインタラクションにおけるGUIエージェントのベンチマーク
• Abstract要約: textbfMemU-Benchは,29の長距離ユーザトラジェクトリをベースとしたあいまいなタスクのベンチマークである。 textbfAppMemも提案する。これはトレーニング不要のフレームワークで、ユーザ履歴をアプリ中心のメモリバンクに格納する。
• 参考スコア（独自算出の注目度）: 59.87397170457694
• License:
• Abstract: Existing Graphical User Interface (GUI) benchmarks predominantly rely on precise and stateless user instructions. In everyday usage, however, instructions are often \emph{vague and history-dependent}: users omit the exact details of their past operations because they no longer remember them, leaving the agent to recover the missing context from long and noisy interaction histories. To bridge this evaluation gap, we introduce \textbf{MemU-Bench}, a mobile benchmark of \textbf{118 vague tasks} grounded in 29 long-horizon user trajectories, where agents must distill raw interaction streams into memory and retrieve the missing context on demand, with task outcomes verified against serialized application databases. Alongside Success Rate, we incorporate Interaction Efficiency (IE) and Success weighted by Path Length (SPL) to expose agents that succeed by exhaustively searching across different applications rather than by \emph{genuinely recalling} the history. Evaluations show that without user history, state-of-the-art systems struggle under such ambiguity: the best-performing Gemini-3.1-Pro achieves an SPL of only 16.4\%, and end-to-end GUI agents fall below 5\%. To address this, we further propose \textbf{AppMem}, a training-free framework that distills user history into a \emph{structured, app-centric} memory bank, tracks interrupted intents across application switches, and selectively retrieves relevant memories via target-app inference. AppMem raises the SPL of GPT-5.5 from 15.7\% to 66.9\% (\textbf{+51.2\%}), outperforms a naive summary baseline by 9.3\%, and delivers consistent gains across evaluated backbones.
• Abstract（参考訳）: 既存のGUIベンチマークは主に正確でステートレスなユーザーインストラクションに依存している。 ユーザーは過去の操作の正確な詳細を、もはや覚えていないので省略し、エージェントは、長くノイズの多いインタラクション履歴から行方不明のコンテキストを復元する。 この評価ギャップを埋めるために,29の長距離ユーザトラジェクトリをベースとした‘textbf{MemU-Bench}というモバイルベンチマークを導入する。 成功率の他に、経路長(SPL)が重み付けした相互作用効率(IE)と成功率(SPL)を組み込んで、履歴を‘emph{genuinely recalling}》することによって、異なるアプリケーション間で徹底的に検索することに成功したエージェントを公開します。 Gemini-3.1-Proは16.4\%のSPLを達成し、エンドツーエンドのGUIエージェントは5\%以下である。 これを解決するために, ユーザ履歴を\emph{structured, app-centric} メモリバンクに蒸留し, アプリケーションスイッチ間で割り込み意図をトラッキングし, ターゲットアプリ推論により関連するメモリを選択的に検索する, トレーニング不要のフレームワークである \textbf{AppMem} を提案する。 AppMem は GPT-5.5 の SPL を 15.7 % から 66.9 % (\textbf{+51.2\%}) に引き上げ、単純なサマリーベースラインを 9.3 % 上回り、評価されたバックボーン間で一貫した利得を提供する。

関連論文リスト

• Multimodal Filesystem Memory For Long-Horizon Embodied Agents [54.82315140171704]
  エージェントメモリの補完型を保持するマルチモーダルメモリアーキテクチャである textbfMFM を提案する。 MFMは検索可能なテキストレコードを使用して、異なる表現を基礎となるマルチモーダルエピソードに接続する。 長い水平マインクラフトとコンピュータ使用タスクの場合、MFMは3つのベースモデルで性能を向上させる。
  論文  参考訳（メタデータ） (2026-10-15T21:56:00Z)
• DyadMem: A Long-Term Memory Benchmark of How Agents Work with Users [7.981122452537278]
  既存のベンチマークは、主にユーザファクトや好み、ユーザ間で再利用可能なエクスペリエンスを監督する。 DyadMemはユーザサイドとURAMメモリを同一のマルチセッション軌跡に沿って共同で注釈付けする。 これには3,065エピソード、50961セッション、61,210QAインスタンスが含まれる。
  論文  参考訳（メタデータ） (2026-10-02T08:57:43Z)
• MEMPROBE: Probing Long-Term Agent Memory via Hidden User-State Recovery [58.64329475683699]
  我々は、長期記憶は監査可能な相互作用後のアーティファクトとして評価されるべきであると主張している。 我々は、メモリを備えたエージェントがシミュレーションユーザを支援するベンチマークであるMEMPROBEで、このビューをインスタンス化する。 私たちは、成功したアシストと回復可能なメモリが、異なる機能として振る舞うことに気付きました。
  論文  参考訳（メタデータ） (2026-06-23T13:52:46Z)
• Don't Guess, Just Ask: Resolving Ambiguity in Referring Segmentation via Multi-turn Clarification [21.7465671470498]
  セグメンテーションの参照は、対象のオブジェクトをテキストクエリに基づいて画像やビデオに分割することを目的としている。 マルチターン会話を通じてユーザの意図を積極的に解明する新しいエージェントフレームワークであるIC-Segを提案する。 また、階層的な新しい最適化戦略であるHi-GRPOを導入し、軌道、旋回、ステップレベルにおいて、密集した情報的な監視信号を注入する。
  論文  参考訳（メタデータ） (2026-05-17T16:30:44Z)
• Mem-W: Latent Memory-Native GUI Agents [50.87647372904382]
  本稿では,メモリをエージェントの連続的コンテキストの一部として扱う,潜在メモリネイティブなGUIエージェントであるMem-Wを紹介する。 4つのWebおよびモバイルナビゲーションベンチマークで、Mem-Wはさまざまなバックボーンとメモリ拡張ベースラインを一貫して改善している。
  論文  参考訳（メタデータ） (2026-05-10T04:31:23Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• PersonalAlign: Hierarchical Implicit Intent Alignment for Personalized GUI Agent with Long-Term User-Centric Records [67.68348568175718]
  パーソナライズされたGUIエージェント(PersonalAlign)の階層的意図的アライメントに注目した。 PersonalAlignは、曖昧な指示で省略された好みを解決するために、長期的なユーザレコードを永続的なコンテキストとして活用する必要がある。 GPT-5, Qwen3-VL, UI-TARSなどのGUIエージェントをAndroidIntent上で評価する。
  論文  参考訳（メタデータ） (2026-01-14T17:12:48Z)
• Mem2ActBench: A Benchmark for Evaluating Long-Term Memory Utilization in Task-Oriented Autonomous Agents [20.357475946040054]
  textscMem2ActBenchは、エージェントがツールベースのアクションを実行するために長期的なメモリを積極的に活用できるかどうかを評価するベンチマークである。 リバースジェネレーション法は400のツール使用タスクを生成し、ヒトの評価は91.3%が強いメモリ依存であることを確認した。
  論文  参考訳（メタデータ） (2026-01-13T06:22:32Z)
• HiconAgent: History Context-aware Policy Optimization for GUI Agents [44.7305249511765]
  完全な履歴の使用は、過剰な計算オーバーヘッドと、無関係な情報への注意を喚起します。 ヒコンアジェント(HiconAgent)は、ヒストリー・コンテクスト・アウェア・ポリシー・オプティマイゼーションで訓練されたGUIエージェントである。 メインストリームのGUIナビゲーションベンチマークの実験は、強力なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-12-01T15:06:45Z)
• Auto-scaling Continuous Memory for GUI Agent [35.84598737971337]
  従来のGUIエージェントは過去のトラジェクトリをテキストトークンに圧縮する。 本稿では,各GUI軌跡を連続埋め込みの固定長列に符号化する連続メモリを提案する。 メモリサイズと検索深度が増加するにつれて、長いプロンプトで劣化するテキストメモリとは異なり、パフォーマンスは単調に向上する。
  論文  参考訳（メタデータ） (2025-10-10T06:16:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。