GUI-CC: Benchmarking Contextual Consistency of GUI World Models as Agent Environments

GUI-CC 用离线真实移动轨迹和在线固定 probing agent 检验 world model 能否维持多步可交互状态，而非只看下一屏像不像。基准包含 GUIOdyssey 的 500 个离线任务与覆盖 30 个 app 的 200 个 emulator-verified 任务，分别测 transition fidelity、plausibility、contextual consistency 和 task progress；结果显示单步画面合理并不等于连续任务可执行。