为什么重要
评估跨 App 长序列 GUI 操作——Agent 需要在多个应用间切换完成复杂任务。最强模型仅 ~15%。
构建方式与示例
7735 episodes。例如：“从微信复制一个地址 → 打开地图导航 → 分享导航链接回微信”
关联基准与展望
关联：ScreenSpot、AndroidWorld。不足：数据采集成本极高。
返回评测
Agent Agent-GUI 未饱和
模态 · 截图
任务 · 执行验证
GUI-Odyssey
跨应用的长序列 GUI 操作任务，评估 Agent 在复杂多步场景中的持续操作能力
Shanghai AI Lab ·
考察能力
跨App操作 长序列 状态跟踪
构建信息
- 数据规模
- 7735 episodes
- 构建方式
- 多App录制标注
- 评测方式
- 任务完成率
- 核心指标
- Success Rate (%)
资源链接
模型效果排行
🥇 GPT-4V
~15% 2024-06
GUI 跨应用 长序列 Agent