研究人员推出VideoVIBE，一个旨在通过分析用户交互的视频录制来评估AI生成网站质量的新基准。该基准侧重于细粒度的诊断任务，识别生成网页在语义逻辑、视觉运动、结构时序和功能方面的具体失败。为了进一步增强评估，他们提出了V2Lens，一个多代理系统，通过将视频证据与源代码交叉引用来完善诊断。在对多个Video MLLMs的评估中，Gemini 2.5-Flash作为独立模型表现最佳，而V2Lens取得了更优异的结果，证明了视频为基础的评估在理解AI生成应用程序质量方面的有效性。 AI
影响 该基准可能带来对AI网站生成更鲁棒的评估，从而提高AI创建的Web应用程序的质量和可靠性。
排序理由 该集群描述了一篇介绍用于评估AI生成网站的基准和系统的学术论文。[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 →
