LEGOUI: Designing with UI-DSL Bricks for Transparent, Controllable Generation
August 2026 HCI paper introducing a staged Generative UI framework for early design ideation. LEGOUI records prompt-derived and model-inferred decisions in a provenance-aware UI DSL, lets users accept, reject, or add decisions across layout, interaction, relation, and style stages, and renders from the evolving specification.
Beyond a Single Judge: Simulating Social Persona Panels for Generative UI Evaluation
July 2026 paper introducing ESPP, an evaluation method that replaces one LLM judge with a panel of evidence-grounded, psychologically diverse personas. Panelists independently rate generated-interface screenshots, exchange opinions through a bounded-confidence mechanism, and are combined with social weighting.
Design Theater: A Benchmark for Generative UI
July 2026 paper introducing a benchmark for checking whether Generative UI tools implement the design rationales they present to users. Across 120 interfaces from five tools and 24 structural, styling, and functional tasks, the study measures gaps between claimed design decisions and the generated result.
MV-Bench: Benchmarking MLLMs for Coordinated Multi-View Interface Construction
July 2026 benchmark for testing whether multimodal language models can generate executable multi-view visualization interfaces from visual designs. MV-Bench uses Tableau workbooks as structured ground truth and evaluates visual fidelity, data bindings, coordinated interactions, and code executability.
Learning to Detect UI Principle Violations via Reinforcement Learning
July 2026 paper on a lightweight vision-language critic for generated web interfaces. The authors unify 19 principles spanning WCAG 2.2 accessibility, deceptive design, and cognitive usability, then train on roughly 10,000 generated pages with verified synthetic violations.
TaskArtisan: Designing Composable Generative Widgets for LLM-Assisted Analysis
July 2026 HCI paper examining how Generative UI can make long, multi-step chatbot analysis workflows easier to revisit and reuse. TaskArtisan lets people create analysis widgets and compose them into sequential or fan-out workflows, then compares the approach with a conventional chatbot in a 12-participant study.
AI Prototyper: A Figma Plugin for Decomposition-Based GUI Prototyping with LLMs
July 2026 paper introducing AI Prototyper, an open-source Figma plugin that turns natural-language screen descriptions into fully editable prototypes. Its pipeline decomposes a request into reviewable features, retrieves components from a fixed 32-primitive library, generates schema-constrained instances, and renders native Figma layers with auto-layout.
Spatula: Exploring On-Demand In-Situ Interfaces and Interaction for Attribute Control
July 2026 HCI paper introducing Spatula, an LLM-powered system that generates context-aware controls directly on a motion-graphics canvas. Its elastic attribute control space supports progressive discovery, multiple levels of precision, semantic group editing, and new controls on demand.
Rethinking the UI of GenUI: A Tale of Two Designs
June 2026 HCI paper comparing the prompt-first, depth-first, high-fidelity pattern common in Generative UI tools with a structured, breadth-first, low-fidelity alternative. A study with 24 UX designers and product managers surfaces concrete trade-offs for early-stage design exploration.
The Missing Layer: Why EdTech Needs Design-Time Generative UI, Not Just Runtime Personalization
June 2026 arXiv paper accepted at the AIED NextGen Learning Interfaces Workshop. It argues that adaptive education should use Generative UI at authoring time, not only at learner runtime, so instructors can verify accessible, modality-specific representations before students encounter them.
TaskLens: Generating Task-Conditioned Scaffolded Interfaces for Learning Professional Creative Software
Article DIS 2026 / arXiv présentant TaskLens, une méthode basée sur les LLM pour générer des UI scaffolded conditionnées par la tâche dans des logiciels créatifs complexes. Le système identifie les étapes de workflow et les concepts métier, sélectionne les outils pertinents, génère le code d'implémentation et produit des interfaces qui dévoilent progressivement les fonctions avancées dans des logiciels comme Blender.
FlowEval: Reference-Based Evaluation of Generated User Interfaces
Apple-affiliated research on evaluating whether generated interfaces support realistic user journeys. FlowEval runs validated tasks on reference websites and generated analogs, compares their navigation traces with reference-based similarity metrics, and tests how well those scores align with expert UI judgments.
Macaron-A2UI: A Model for Generative UI in Personal Agents
Article arXiv 2026 récent centré sur la Generative UI au runtime pour les agents personnels. Les auteurs montrent que le chat seul devient un goulot d'étranglement pour les tâches agentiques complexes, introduisent un grand corpus de Generative UI ainsi qu'A2UI-Bench, et entraînent des modèles qui génèrent du langage naturel avec des actions UI exécutables légères pour la confirmation, l'affinage des préférences et la coordination multi-objectifs.
Efficient Personalization of Generative User Interfaces
Article arXiv récent sur l'un des problèmes centraux encore ouverts de GenUI : la personnalisation. Les auteurs collectent des jugements par paires auprès de designers formés sur les mêmes 600 UI générées, montrent que les préférences de design divergent fortement, puis proposent un modèle de préférences frugal en échantillons qui personnalise les interfaces générées mieux que les évaluateurs baseline et le prompting direct.
MAIC-UI: Making Interactive Courseware with Generative UI
Article arXiv récent qui présente un système GenUI zero-code pour les supports pédagogiques interactifs. MAIC-UI transforme manuels, PPT et PDF en pages d'apprentissage interactives, utilise un pipeline generate-verify-optimize pour préserver la justesse pédagogique, et prend en charge des éditions incrémentales click-to-locate au lieu d'une régénération complète coûteuse.
Generative UI as an Accessibility Bridge: lecons du C2C e-commerce
Paper arXiv / workshop CHI 2026 qui explique comment la Generative UI en runtime peut combler des lacunes d'accessibilite dans les marketplaces a contenu genere par les utilisateurs. A partir de six etudes avec des personnes aveugles, malvoyantes et agees, il presente interfaces adaptees, guidage audio et HTML regenere comme des interventions d'accessibilite pilotees par politiques.
What does Generative UI mean for HCI Practice?
CHI EA 2026 workshop paper from Microsoft Research and academic HCI researchers on how AI-generated interfaces may reshape design methods, workflows, and user experiences. It is useful because it frames GenUI as a practice-level shift for researchers, designers, developers, and product teams, not only a model-output technique.
Software as Content: Dynamic Applications as the Human-Agent Interaction Layer
Article arXiv 2026 qui défend l'idée que le chat seul est un mauvais médium pour le travail humain-agent structuré et stateful. Les auteurs proposent Software as Content, où des applications agentiques générées dynamiquement deviennent la couche d'interaction principale, persistent entre les tours et exposent des contrôles actionnables au lieu de tout forcer dans du texte linéaire.
The Keyhole Effect: Why Chat Interfaces Fail at Data Analysis
Article arXiv 2026 qui soutient que le chat est une mauvaise surface par défaut pour les travaux d'analyse multi-étapes et stateful. Il fournit une explication issue des sciences cognitives sur les limites des conversations linéaires, puis positionne la Generative UI et d'autres patterns d'interaction hybrides comme des moyens pratiques de restaurer visibilité, mémoire spatiale et contrôle utilisateur.
Gradual Generation of User Interfaces as a Design Method for Malleable Software
Article arXiv 2026 qui propose "Gradually Generating User Interfaces", une méthode de design GenUI insérant des couches d'interface intermédiaires pendant la génération afin que les utilisateurs découvrent et contrôlent les options de personnalisation sans être submergés par un énorme prompt ou un système de menus dense.
AlignUI: A Method for Designing LLM-Generated UIs Aligned with User Preferences
2026 arXiv paper on aligning LLM-generated interfaces with user tasks and preferences. The authors collect 720 UI-control preferences from 50 users across image-editing tasks, use that dataset to guide model reasoning, and evaluate generated UIs with 72 additional users.
Generative UI: LLMs are Effective UI Generators
Paper Google Research qui articule pour la première fois de façon systématique le concept de Generative UI. Il définit la Generative UI comme "des modèles d'IA générant non seulement du contenu, mais toute l'expérience utilisateur". Les expériences montrent qu'avec les bons prompts et outils, les LLMs peuvent générer des interfaces interactives personnalisées de haute qualité, largement préférées par des utilisateurs humains (44 % des cas comparables à des experts humains). Le paper publie aussi le dataset PAGEN pour évaluer les interfaces générées.
Improving User Interface Generation Models from Designer Feedback
Research paper on training LLM-based UI generators with feedback that matches professional design practice. The authors compare rankings, comments, sketches, and direct revisions from 21 designers, then use the resulting data to improve code models that generate rendered interfaces.
Generative Interfaces for Language Models
Paper ACL 2026 Findings qui propose un paradigme où les LLMs génèrent proactivement des interfaces adaptées à la tâche au lieu de répondre uniquement par du texte. Le travail combine des représentations spécifiques aux interfaces avec un raffinement itératif et rapporte que les évaluateurs humains ont préféré les interfaces génératives aux interfaces conversationnelles jusqu'à 72 % sur des tâches denses en information et exploratoires.
Towards a Working Definition of Designing Generative User Interfaces
Paper DIS 2025 qui propose la première définition de travail de Generative UI (GenUI) à partir d'une revue de littérature et d'analyses de cas. La recherche identifie GenUI comme un nouveau paradigme de création d'interfaces où "les humains et l'AI collaborent au design-time pour générer des interfaces, et les utilisateurs interagissent au runtime avec des interfaces générées par l'AI". Le paper résume cinq caractéristiques clés de GenUI : co-création, expansion de l'espace de design, fluidité représentationnelle, adaptation contextuelle et generation-first.
Generative and Malleable User Interfaces with Generative AI
Paper CHI 2025 qui propose d'utiliser l'AI pour générer des "interfaces utilisateur génératives et malléables" à partir des tâches utilisateur. Les auteurs conçoivent un modèle de données task-driven où les LLMs analysent les prompts utilisateur et génèrent des spécifications UI, puis les mappent vers des interfaces concrètes. Les expériences démontrent que cette méthode peut générer dynamiquement des éléments d'interface comme des formulaires et des visualisations, tout en permettant aux utilisateurs de modifier les interfaces en langage naturel.
BISCUIT: Scaffolding LLM-Generated Code with Ephemeral UIs in Computational Notebooks
Paper VL/HCC 2024 d'Apple Research qui présente BISCUIT, un workflow JupyterLab insérant une couche UI éphémère entre l'intention utilisateur et le code généré par LLM. Au lieu de passer directement du prompt aux fichiers source, les utilisateurs interagissent d'abord avec des contrôles générés temporaires qui les aident à comprendre les options, affiner leurs demandes et explorer les variables avant l'émission du code.