GUIエージェントの評価

「環境」と「データセット」を明確に区別

データセット

各データポイントが

複数の入力特徴（例：質問、環境のスクリーンショット、現在の状態など）

出力特徴（例：正しい回答や実行すべき操作）から構成された

静的なデータの集合

評価プロセス全体を通じてデータセット自体は変化しません。

環境

実際のシナリオを模した対話型のシミュレーションを指します。

GUI環境は、モバイルやデスクトップのGUIインターフェースそのものを含み

環境内での操作が状態を変化させるため

問題をマルコフ決定過程（MDP）や部分観測マルコフ決定過程（POMDP）としてモデル化できるよう

定義された行動、状態、観測の空間や状態遷移関数を持ちます。

GUIエージェントの評価指標

タスク完遂の評価

目標状態での停止

結果の一致

サブタスクの完遂

自動判断

ターンごとの成功率

昼間ステップの評価

URLの一致や要素の一致

効率、一般、安全

タスクに要する時間や計算リソース

組み合わせタスクの適応力