PulseAugur
中
实时 15:02:01
English(EN) Vision2Web: A Hierarchical Benchmark for Visual Website Development with Agent Verification

Vision2Web基准评估AI代理在网站开发中的能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了Vision2Web，一个旨在评估AI代理在网站开发能力方面的新基准。该基准涵盖了从简单的UI到代码生成到复杂的全栈网站开发等一系列任务，并利用了193个真实网站任务。使用各种视觉语言模型和编码代理框架进行的初步评估显示出显著的性能差异，目前最先进的模型在全栈开发方面仍面临挑战。 AI

影响 该基准有望推动AI代理在复杂软件开发任务中的改进。

排序理由 该集群描述了一个用于评估AI代理在网站开发中能力的新的基准，已在arXiv上发布。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Vision2Web基准评估AI代理在网站开发中的能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群描述了一个用于评估AI代理在网站开发中能力的新的基准，已在arXiv上发布。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
79 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zehai He, Wenyi Hong, Zhen Yang, Ziyang Pan, Mingdao Liu, Xiaotao Gu, Jie Tang ·

    Vision2Web：面向具备Agent验证的视觉网站开发的层级基准

    arXiv:2603.26648v3 Announce Type: replace-cross Abstract: Recent advances in large language models have improved the capabilities of coding agents, yet systematic evaluation of complex, end-to-end website development remains limited. To address this gap, we introduce Vision2Web, …

相关实体

相关话题