WebUIProof：用UI-Agent执行框架评测WebUI代码生成

AI 摘要

研究者提出 WebUIProof，一个面向 WebUI 代码生成的执行导向基准，用结构化规格和可执行交互测试替代自由提示与静态检查，覆盖通用 WebUI 与 3D 交互模拟两类任务，共 219 个任务和约 3000 条交互测试。其 UI-agent 执行框架在无头浏览器中通过 plan-act-observe 循环定位 DOM、执行点击/输入等操作并验证断言。对八个商业 LLM 的评测显示，即使页面能构建渲染，仍频繁在交互需求上失败，3D 模拟界面尤为明显。该框架还能提供结果级训练信号，用执行测试奖励做 RL 训练 Qwen2.5 14B 和 MIMO 7B，提升功能完成度并减少构建失败。

正文节选

WebUIProof: Benchmarking WebUI Code Generators with UI-Agent Execution Harness Abstract Evaluating WebUI code generation at scale is difficult: outputs may compile and look plausible yet fail under user interaction, and prior benchmarks largely rely on free-form prompts with static checks (build success, screenshots) that miss functional correctness. We introduce WebUIProof, an execution-oriented benchmark that provides structured specifications and dense, executable interaction tests for WebUI

发布时间：2026-10-05 12:00

抓取时间：2026-10-05 18:05

来源机构：arXiv