MemGUI-Agent: An End-to-End Long-Horizon Mobile GUI Agent with Proactive Context Management

Summary

[未获取全文，仅基于 abstract]

MemGUI-Agent 通过将上下文管理建模为与 UI 操作同策略的”first-class actions”（Context-as-Action，ConAct），解决了 MLLM-based mobile GUI agent 在 long-horizon 任务中因 ReAct 式历史被动堆积而导致的 prompt 爆炸问题，在 MemGUI-Bench 和 MobileWorld 上取得当前 open-data 8B 模型最优性能。

Problem & Motivation

[未获取全文，仅基于 abstract]

MLLM-based mobile GUI agent 在 short-horizon 任务上已有明显进步，但 long-horizon 跨 app 任务仍然不可靠。作者将根源归结为 ReAct-style prompting 的被动记录机制：每步追加历史，导致 prompt 随步骤线性膨胀（prompt explosion），同时关键跨 app 事实被大量低信息量条目稀释（critical fact dilution）。这两个问题共同导致 agent 在长序列中丢失关键中间状态，任务成功率崩溃。现有方法（如 MobileAgent-V3、ChainMemory 等）通常在推理阶段引入外部记忆模块，未从模型策略层面解决这一问题。

Method

[未获取全文，仅基于 abstract]

Context-as-Action (ConAct)：核心设计是将上下文管理视为与 UI 操作（点击、滑动等）同质的 action，由同一 policy model 统一生成。agent 在每步既可输出 UI action，也可输出 context management action，主动更新以下三个结构化 context 字段：

1. Folded action history：折叠压缩的历史操作记录，保留关键里程碑而丢弃冗余
2. Folded UI state：折叠压缩的 UI 状态快照，仅保留跨步骤相关的界面事实
3. Recent step record：当前步骤的完整记录（作为工作记忆）

这种设计使 context 保持 compact 同时不丢失 critical facts，区别于被动追加式历史的线性增长。

MemGUI-3K 数据集：构建包含 2,956 条轨迹的监督训练数据，每条轨迹带有完整的 ConAct 标注（含 context management action 序列）。数据用于 SFT 训练和 offline 分析，使 proactive context management 在不同规模的模型上均可学习。

MemGUI-8B-SFT：在 MemGUI-3K 上对 8B 模型 fine-tune 得到，作为 open-data 8B baseline。

MemGUI-Bench：配套评测基准（具体 benchmark 细节未在 abstract 中披露）。

Key Results

[未获取全文，仅基于 abstract]

• MemGUI-Bench：MemGUI-8B-SFT 在 open-data 8B 模型中取得最优性能
• MobileWorld（OOD）：模型泛化到分布外的 MobileWorld benchmark，验证了 ConAct 方法的跨任务泛化能力
• 具体数值指标未在 abstract 中披露，需阅读全文

Strengths & Weaknesses

[未获取全文，仅基于 abstract]

亮点：

• ConAct 的”context management as action”理念简洁，将上下文压缩的决策内化到 policy 本身，而非外挂模块，在架构层面比 prompt engineering 或外部记忆更 end-to-end
• 配套数据集 MemGUI-3K + benchmark MemGUI-Bench 有利于社区复现和比较
• 同时在 in-distribution（MemGUI-Bench）和 OOD（MobileWorld）上验证

局限：

• ConAct 的三个 context 字段（folded action history / folded UI state / recent step record）仍需人工设计，“什么值得保留”的判断标准未知，折叠粒度如何控制也不清楚
• 仅 SFT 训练，未引入 RL 或 online learning；long-horizon task 中 reward 稀疏问题如何处理待考察
• 8B 模型规模下的 prompt explosion 问题是否真正消除，还是只是推迟，需要定量上下文长度对比
• MemGUI-Bench 是论文自建 benchmark，community-accepted 度有限

影响：这一方向（将记忆/上下文压缩内化为可学习的 action）与近期 2603-HybridMemory 和 2500-ChainMemoryEnhancingGui 等工作构成互补关系，是 long-horizon GUI agent 的有价值补充。

Mind Map

mindmap
  root((MemGUI))
    Problem
      ReAct prompt explosion
      Critical fact dilution
      Long-horizon cross-app tasks
    Method
      ConAct: context as action
      Folded action history
      Folded UI state
      Recent step record
      MemGUI-3K dataset 2956 traj
    Results
      Best open-data 8B on MemGUI-Bench
      Generalize to MobileWorld OOD

Notes

• 核心观察值得记住：ReAct 的 passiveness 是 long-horizon 失败的结构性原因，而非 capacity 不足。这个 framing 清晰，但需要看 ablation 才能确认 ConAct 的增益来自”主动”还是仅仅来自”更好的格式化压缩”
• 与 2500-MobileAgentV3Fundamental、2500-ChainMemoryEnhancingGui、2605-MobileWorldModelGUI 对比阅读
• MemGUI-Bench 的难度设计（任务 horizon、跨 app 数量）是评估可信度的关键，需关注