新的 MT-Web2Code 基准测试评估 AI 在迭代式 Web UI 编码任务上的表现

研究人员推出了 MT-Web2Code，这是一个新颖的基准测试，旨在评估大型视觉语言模型 (LVLMs) 在复杂的多轮编码任务上的能力。该基准测试通过关注迭代过程，如重建缺失区域和修改 Web 界面内的局部元素，而不是仅仅进行整页生成，来解决现有工具的局限性。MT-Web2Code 包含 16 个领域的 102 项任务，并利用反向损坏轨迹引擎 (Reverse-Corruption Trajectory Engine) 来创建用于确定性评估的缺陷。初步实验表明，当前的编码代理在这些细微的任务上表现不佳，尤其是在多轮交互中保持代码完整性方面。 AI

影响 该基准测试有望推动能够执行更复杂和迭代式软件开发任务的 AI 代理的进步。

排序理由 该条目描述了一个新的 AI 模型基准测试和评估协议，发布在 arXiv 上。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Large Vision-Language Models
• MT-Web2Code
• Reverse-Corruption Trajectory Engine
• ScienceCast
• VLM-based rubric

• 论文
• 产品

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