MemGUI-Agent

MemGUI-Agent 是一个面向移动端图形界面的长周期智能体，支持端到端的GUI操作与主动式上下文管理。其核心功能包括基于视觉-语言模型的屏幕理解、跨步骤任务规划、历史交互记忆建模及动态上下文裁剪，显著提升长流程任务（如多步App操作）的成功率与上下文效率。技术上融合了多模态感知、指令微调（SFT）与轨迹级强化学习，并配套开源了MemGUI-3K数据集与MemGUI-Bench基准。适用于移动自动化测试、无障碍辅助交互、用户行为模拟等需持续GUI导航的场景。