GEBench：将图像生成模型作为GUI环境进行基准测试

图像生成模型的最新进展，使其能够根据用户指令预测未来的图形用户界面（GUI）状态。然而，现有基准主要关注一般领域的视觉保真度，对GUI特定情境下状态转移与时间一致性的评估探索不足。为填补这一空白，我们提出GEBench，一个用于评估GUI生成中动态交互与时间一致性的综合基准。GEBench包含700个精心筛选的样本，横跨五个任务类别，既覆盖真实与虚构场景中的单步交互与多步轨迹，也包括grounding定位点的定位。为支持系统化评估，我们提出GE-Score，一个评估目标达成度、交互逻辑、内容一致性、UI合理性与视觉质量的新型五维指标。对当前模型的大量评估表明，它们在单步转移上表现良好，但在较长的交互序列上维持时间一致性与空间grounding时明显吃力。我们的发现指出，图标解读、文本渲染与定位精度是关键瓶颈。这项工作为系统化评估奠定了基础，并为未来构建高保真生成式GUI环境的研究提示了有前景的方向。代码发布于：https://github.com/stepfun-ai/GEBench。