研究人员开发了新的基准来评估多模态大语言模型（MLLMs）为复杂、交互式网页生成代码的能力。第一个基准WebIGBench侧重于真实世界的网站，评估动态用户交互（如点击和输入）的代码生成。第二个基准I-WebGenBench专门针对将科学研究论文转换为可执行的交互式Web系统，评估模型处理动态机制和状态转换的能力。 AI
影响 这些基准将推动LLM从各种输入创建功能性、交互式Web应用程序和系统的能力的提升。
排序理由 该集群包含两篇介绍用于评估LLM代码生成能力的基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.00154v1 Announce Type: cross Abstract: Recent advancements in multimodal large language models (MLLMs) have achieved remarkable progress in multimodal reasoning and code generation, catalyzing a new paradigm for front-end development. In particular, these models can di…
arXiv:2606.00750v1 Announce Type: new Abstract: Recent advances in visual language models have enabled autonomous agents for complex reasoning, tool use, and document understanding. However, existing document agents mainly transform papers into static artifacts such as summaries,…