TaskLens: Generating Task-Conditioned Scaffolded Interfaces for Learning Professional Creative Software
Paper DIS 2026 / arXiv che introduce TaskLens, un metodo basato su LLM per generare UI scaffolded condizionate dal task in strumenti creativi complessi. Il sistema identifica fasi del workflow e concetti di dominio, seleziona gli strumenti rilevanti, genera codice di implementazione e produce interfacce che svelano progressivamente funzioni avanzate in software come Blender.
Macaron-A2UI: A Model for Generative UI in Personal Agents
Paper arXiv 2026 focalizzato sulla Generative UI a runtime per personal agent. Gli autori sostengono che la sola chat diventa un collo di bottiglia nei task agentici complessi, introducono un corpus Generative UI su larga scala insieme ad A2UI-Bench e addestrano modelli che generano linguaggio naturale insieme ad azioni UI leggere ed eseguibili per conferma, raffinamento delle preferenze e coordinamento multi-obiettivo.
Efficient Personalization of Generative User Interfaces
Paper arXiv recente su uno dei problemi GenUI centrali ancora aperti: la personalizzazione. Gli autori raccolgono giudizi pairwise da designer formati sulle stesse 600 UI generate, mostrano che le preferenze di design divergono in modo significativo e propongono un modello di preferenze sample-efficient che personalizza le interfacce generate meglio di valutatori baseline e prompting diretto.
MAIC-UI: Making Interactive Courseware with Generative UI
Paper arXiv recente che introduce un sistema GenUI zero-code per courseware educativo. MAIC-UI trasforma libri di testo, PPT e PDF in pagine di apprendimento interattive, usa una pipeline generate-verify-optimize per l'accuratezza pedagogica e supporta modifiche incrementali click-to-locate invece di costose rigenerazioni complete.
Generative UI as an Accessibility Bridge: Lessons from C2C E-Commerce
Paper arXiv / workshop CHI 2026 che sostiene come la Generative UI a runtime possa colmare gap di accessibilità nei contenuti marketplace generati dagli utenti. Basandosi su sei studi con utenti ciechi, ipovedenti e anziani, inquadra interfacce adattate, guida audio e HTML rigenerato come interventi di accessibilità guidati da policy, non come semplici varianti estetiche della UI.
What does Generative UI mean for HCI Practice?
Paper workshop CHI EA 2026 di Microsoft Research e ricercatori HCI accademici su come le interfacce generate dall'AI possano rimodellare metodi di design, workflow ed esperienze utente. È utile perché inquadra GenUI come cambiamento a livello di pratica per ricercatori, designer, sviluppatori e product team, non solo come tecnica di output del modello.
Software as Content: Dynamic Applications as the Human-Agent Interaction Layer
Paper arXiv 2026 che sostiene che la sola chat sia un mezzo debole per lavoro human-agent strutturato e stateful. Gli autori propongono Software as Content, dove applicazioni agentiche generate dinamicamente diventano il layer di interazione primario, persistono tra i turni ed espongono controlli azionabili invece di forzare tutto nel testo lineare.
The Keyhole Effect: Why Chat Interfaces Fail at Data Analysis
Paper arXiv 2026 che sostiene che la chat sia una superficie predefinita debole per lavoro di analisi multi-step e stateful. Offre una lettura di cognitive science dei punti in cui le conversazioni lineari cedono, poi posiziona Generative UI e altri pattern di interazione ibridi come modi pratici per recuperare visibilità, memoria spaziale e controllo utente.
Gradual Generation of User Interfaces as a Design Method for Malleable Software
Paper arXiv 2026 che propone "Gradually Generating User Interfaces", un metodo di design GenUI che inserisce layer intermedi di interfaccia durante la generazione, così gli utenti possono scoprire e controllare le opzioni di personalizzazione senza essere travolti da un enorme prompt box o da un menu denso.
AlignUI: A Method for Designing LLM-Generated UIs Aligned with User Preferences
Paper arXiv 2026 sull'allineamento delle interfacce generate da LLM con task e preferenze degli utenti. Gli autori raccolgono 720 preferenze sui controlli UI da 50 utenti in task di image editing, usano quel dataset per guidare il reasoning del modello e valutano le UI generate con altri 72 utenti.
Generative UI: LLMs are Effective UI Generators
Paper di Google Research che articola per primo in modo sistematico il concetto di Generative UI. Il paper definisce Generative UI come "AI models generating not just content, but the entire user experience". Gli esperimenti mostrano che, con prompt e strumenti corretti, gli LLM possono generare interfacce interattive custom di alta qualità, preferite in modo significativo dagli utenti umani (nel 44% dei casi comparabili a esperti umani). Il paper rilascia anche il dataset PAGEN per valutare le interfacce generate.
Generative Interfaces for Language Models
Paper ACL 2026 Findings che propone un paradigma in cui gli LLM generano proattivamente interfacce specifiche per il task invece di rispondere solo con testo. Il lavoro combina rappresentazioni specifiche per interfaccia con raffinamento iterativo e riporta che i valutatori umani hanno preferito le interfacce generative a quelle conversazionali fino al 72% in più su task densi di informazioni ed esplorativi.
Towards a Working Definition of Designing Generative User Interfaces
Paper DIS 2025 che propone la prima definizione operativa di Generative UI (GenUI) attraverso revisione della letteratura e analisi di casi. La ricerca identifica GenUI come un nuovo paradigma di creazione delle interfacce in cui "humans and AI collaborate at design-time to generate interfaces, and users interact with AI-generated interfaces at runtime". Il paper sintetizza cinque caratteristiche chiave di GenUI: co-creazione, espansione dello spazio di design, fluidità rappresentazionale, adattamento contestuale e generation-first.
Generative and Malleable User Interfaces with Generative AI
Paper CHI 2025 che propone di usare l'AI per generare "generative and malleable user interfaces" basate sui task degli utenti. Gli autori progettano un data model task-driven in cui gli LLM interpretano i prompt utente e generano specifiche UI, poi le mappano su interfacce concrete. Gli esperimenti dimostrano che il metodo può generare dinamicamente elementi di interfaccia come form e visualizzazioni, supportando gli utenti nella modifica delle interfacce tramite linguaggio naturale.
BISCUIT: Scaffolding LLM-Generated Code with Ephemeral UIs in Computational Notebooks
Paper VL/HCC 2024 di ricercatori Apple che introduce BISCUIT, un workflow JupyterLab che inserisce un layer UI effimero tra intento utente e codice generato da LLM. Invece di saltare direttamente dal prompt ai file sorgente, gli utenti interagiscono prima con controlli temporanei generati che li aiutano a capire le opzioni, raffinare le richieste ed esplorare variabili prima dell'emissione del codice.