axe-core

AI模型学会以84%的准确率检测UI原则违规

研究人员开发了一种新颖的方法，用于训练一个轻量级的视觉-语言模型来检测用户界面（UI）原则的违规行为，包括可访问性问题和欺骗性设计模式。通过统一19项界面质量原则并创建一个包含约10,000个注入了违规行为的生成网页的数据集，他们显著提高了模型的性能。通过强化学习，模型的微F1分数从36%提高到84%，其中13项原则的F1分数超过80%。这个批评模型可用于审计生成的界面、过滤低质量的训练数据，并为设计感知型代码生成提供反馈。