소개
실행 가능한 웹 인터페이스 1,395개를 바탕으로 미적 점수 평가, 진단, 수정, 텍스트 기반 UI 생성을 연결하는 2026년 9월 벤치마크입니다. 의도적으로 품질을 저하시킨 660개 사례에서 진단과 수정을 짝지어, 모델이 디자인 판단을 실제 인터페이스 개선으로 이어갈 수 있는지 평가합니다.
요약
AUV-Bench가 새롭게 보여주는 점:
1. 공통 평가 기반: 동일한 인터페이스 모음과 전문적인 미적 원칙을 바탕으로 4가지 역량을 평가합니다
2. 판단에서 행동으로 이어지는 근거: 품질이 저하된 동일 페이지에서 결함 진단과 소스 코드 수정을 연결합니다
3. 측정된 역량 격차: 12개 모델의 정확한 진단 연쇄 성공률은 최고 24.7%이며, 올바른 판단이 일관되게 성공적인 수정으로 이어지지는 않습니다
4. 재현 가능성의 한계: 데이터셋은 공개되어 있지만, 연결된 저장소에는 평가 코드가 아직 공개 예정으로 표시되어 있습니다
1. 공통 평가 기반: 동일한 인터페이스 모음과 전문적인 미적 원칙을 바탕으로 4가지 역량을 평가합니다
2. 판단에서 행동으로 이어지는 근거: 품질이 저하된 동일 페이지에서 결함 진단과 소스 코드 수정을 연결합니다
3. 측정된 역량 격차: 12개 모델의 정확한 진단 연쇄 성공률은 최고 24.7%이며, 올바른 판단이 일관되게 성공적인 수정으로 이어지지는 않습니다
4. 재현 가능성의 한계: 데이터셋은 공개되어 있지만, 연결된 저장소에는 평가 코드가 아직 공개 예정으로 표시되어 있습니다
태그
ui-generationaesthetic-evaluationdiagnosis-and-repairhuman-evaluationbenchmark