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