核心信息

腾讯推出 WebCraftBench 基准，通过实时测试和覆盖引导探索评估 AI 生成的网页应用，与人类偏好匹配率达 85.3%。

要点

  • 智能体使用实时应用和覆盖引导探索来发现未触及的功能。
  • 对美观度、可用性和是否满足原始需求进行评分。
  • 在 197 对人工验证数据上匹配率达 85.3%。
  • 论文以链接形式提供。