PulseAugur
中
实时 16:39:26

新基准评估LLM生成交互式网页代码的能力

作者 PulseAugur 编辑部 · [2 个来源] ·

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。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新基准评估LLM生成交互式网页代码的能力

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
Research
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。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
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
147 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 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Fan Wu, Lishuai Dong, Cuiyun Gao, Yujia Chen, Yiming Huang, Yang Xiao, Qing Liao ·

    在复杂交互式网页的代码生成任务上对多模态大语言模型进行基准测试

    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…

  2. arXiv cs.CL TIER_1 English(EN) · Dasen Dai, Biao Wu, Meng Fang, Shuoqi Li, Wenhao Wang ·

    I-WebGenBench：评估 LLM 生成的科学 Web 应用程序中的交互性

    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,…

相关实体

相关话题