LongWebBench

新基准 LongWebBench 评估长篇网页生成

研究人员推出了 LongWebBench，这是一个旨在评估长网页生成能力的新基准，用于视觉语言模型（VLMs）。该基准评估了结构连贯性和功能交互性，使用了真实的超长网页和面向目标的交互任务。对当前 VLMs 的实验表明，虽然视觉保真度可以保持，但随着网页长度的增加，结构保真度会下降，功能执行会失败，这凸显了超越视觉相似性进行更鲁棒评估的必要性。