**SimuWoB：模拟真实移动应用，实现快速且可靠的GUI智能体基准测试**

_SimuWoB: Simulating Real-World Mobile Apps for Fast and Faithful GUI Agent Benchmarking_

> 为应对移动GUI智能体评估的挑战，研究者提出了SimuWoB基准测试。该基准完全基于合成数据，包含120个具有挑战性的任务，覆盖多种类型和难度。它通过虚拟环境生成框架自动构建高保真任务并提供有效奖励，每个环境以无后端网页形式部署，便于高效可复现评估。实验显示，当前最先进智能体在该基准上平均成功率仅为27.92%，在长期任务上更低至17.82%，揭示了其在复杂场景中的显著不足。评估结果与现实样本任务对比表明，基于合成环境的评估具有良好的泛化性，该研究为未来GUI智能体发展提供了诊断见解。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-05-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.25160)