GUI-CC：将GUI世界模型作为智能体环境进行上下文一致性基准测试

arXiv 2026 40.3 benchmark

TLDR

提出GUI-CC，评测GUI世界模型在多步智能体环境中的上下文一致性，发现单步准确不保证可靠 rollout。

评分理由

Strengths: addresses a key gap between one-step evaluation and multi-step use, with offline and online tracks using real mobile trajectories and emulator-verified tasks. Weaknesses: visible abstract lacks details on baselines and metric formulations, and the benchmark is limited to mobile GUI environments.

Read-first 评分解释

综合优先阅读分 40.3，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 48。

近期性 5%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

方法质量 15%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、实验、指标

主题相关性 25%

68.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 15%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

图谱声望 15%

10.9

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0031

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：410。

关键词评分

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

video world model

深度分析

创新点

提出GUI-CC基准，用于评估GUI世界模型作为多步智能体环境（而非孤立的单步下一屏幕预测器）时的上下文一致性。
提供两个互补的评测轨道：离线参考动作轨道，沿真实移动GUI轨迹滚动模型；在线智能体循环轨道，让固定的探测智能体与模型生成的UI交互。
从GUIOdyssey构建500个离线轨迹任务，并构建覆盖30个移动应用的200个模拟器验证的在线任务；评测指标包括转换保真度、转换合理性、上下文一致性和任务进展。

方法

GUI-CC通过沿参考移动GUI轨迹的离线展开以及与模型生成UI的在线智能体循环交互来评估GUI世界模型。包含源自GUIOdyssey的500个离线任务和覆盖30个移动应用的200个模拟器验证的在线任务，测量转换保真度、转换合理性、上下文一致性和任务进展。

关键结果

合理的单步生成并不能保证可靠的环境模拟：当前模型往往生成看起来可用的屏幕，却无法保留任务相关上下文或支持可执行的多步展开。

资源

论文