TaskLens: генерация обучающих интерфейсов под задачу для профессионального креативного ПО
DIS 2026 / arXiv paper о TaskLens: методе на базе LLM, который генерирует scaffolded UI под конкретную задачу для сложных креативных инструментов. Система определяет этапы рабочего процесса и доменные понятия, выбирает нужные инструменты, генерирует код реализации и создает интерфейсы, постепенно раскрывающие продвинутые функции в ПО вроде Blender.
Macaron-A2UI: модель Generative UI для персональных агентов
Свежий arXiv paper 2026 года о runtime Generative UI для персональных агентов. Авторы показывают, что обычный чат становится узким местом для сложных агентных задач, вводят крупный корпус Generative UI и A2UI-Bench, а также обучают модели, которые генерируют естественный язык вместе с легкими исполняемыми UI-действиями для подтверждения, уточнения предпочтений и координации нескольких целей.
Эффективная персонализация Generative User Interfaces
Недавний arXiv paper об одной из ключевых нерешенных задач GenUI: персонализации. Авторы собирают парные оценки обученных дизайнеров для одних и тех же 600 сгенерированных UI, показывают существенное расхождение дизайн-предпочтений и предлагают sample-efficient preference model, который персонализирует сгенерированные интерфейсы лучше базовых оценщиков и прямого prompting.
MAIC-UI: создание интерактивных учебных материалов с Generative UI
Недавний arXiv paper о zero-code GenUI системе для образовательных материалов. MAIC-UI превращает учебники, PPT и PDF в интерактивные учебные страницы, использует generate-verify-optimize pipeline для педагогической точности и поддерживает инкрементальные правки click-to-locate вместо дорогой полной регенерации.
Что Generative UI значит для HCI-практики?
CHI EA 2026 workshop paper от Microsoft Research и академических HCI-исследователей о том, как AI-generated interfaces могут менять методы дизайна, рабочие процессы и пользовательский опыт. Работа полезна тем, что рассматривает GenUI как сдвиг на уровне практики для исследователей, дизайнеров, разработчиков и продуктовых команд, а не только как технику вывода модели.
Software as Content: динамические приложения как слой взаимодействия человек-агент
arXiv paper 2026 года, доказывающий, что одного чата недостаточно для структурированной, stateful работы человека с агентом. Авторы предлагают Software as Content: динамически сгенерированные агентные приложения становятся основным слоем взаимодействия, сохраняются между ходами и показывают actionable controls вместо того, чтобы загонять все в линейный текст.
The Keyhole Effect: почему чат-интерфейсы плохо подходят для анализа данных
arXiv paper 2026 года о том, почему чат является слабой surface по умолчанию для многошаговой, stateful аналитической работы. Работа дает когнитивно-научное объяснение, где ломаются линейные разговоры, а затем позиционирует Generative UI и другие гибридные паттерны взаимодействия как практичные способы вернуть видимость, spatial memory и контроль пользователя.
Постепенная генерация пользовательских интерфейсов как метод дизайна для malleable software
arXiv paper 2026 года о методе дизайна "Gradually Generating User Interfaces" для GenUI. Метод вставляет промежуточные интерфейсные слои во время генерации, чтобы пользователи находили и контролировали параметры кастомизации без перегрузки огромным prompt box или плотной системой меню.
AlignUI: метод проектирования LLM-generated UI, согласованных с предпочтениями пользователей
arXiv paper 2026 года о согласовании LLM-generated interfaces с задачами и предпочтениями пользователей. Авторы собирают 720 предпочтений по UI controls от 50 пользователей в задачах редактирования изображений, используют этот датасет для направления reasoning модели и оценивают сгенерированные UI с еще 72 пользователями.
Generative UI: LLM эффективно генерируют интерфейсы
Google Research paper, впервые системно формулирующий концепцию Generative UI. Работа определяет Generative UI как AI-модели, создающие не только контент, но и весь пользовательский опыт. Эксперименты показывают, что при правильных prompts и tools LLM могут генерировать качественные кастомные интерактивные интерфейсы, которые люди значительно чаще предпочитают альтернативам; в 44% случаев они сопоставимы с работой human experts. Работа также публикует PAGEN dataset для оценки сгенерированных интерфейсов.
Generative Interfaces для Language Models
ACL 2026 Findings paper, предлагающий парадигму, в которой LLM проактивно генерируют интерфейсы под задачу, а не отвечают только текстом. Работа сочетает interface-specific representations с iterative refinement и сообщает, что human evaluators предпочитали генеративные интерфейсы разговорным до 72% чаще в информационно плотных и исследовательских задачах.
К рабочему определению проектирования Generative User Interfaces
DIS 2025 conference paper, предлагающий первое рабочее определение Generative UI (GenUI) через обзор литературы и анализ кейсов. Исследование определяет GenUI как новую парадигму создания интерфейсов, где люди и AI сотрудничают на design-time для генерации интерфейсов, а пользователи взаимодействуют с AI-generated interfaces на runtime. Работа выделяет пять ключевых характеристик GenUI: co-creation, расширение design space, representational fluidity, contextual adaptation и generation-first.
Generative and Malleable User Interfaces с Generative AI
CHI 2025 paper о применении AI для генерации "generative and malleable user interfaces" на основе задач пользователя. Авторы проектируют task-driven data model, где LLM разбирают prompts пользователя и генерируют UI specifications, а затем сопоставляют их с конкретными интерфейсами. Эксперименты показывают, что метод может динамически генерировать элементы интерфейса вроде forms и visualizations, помогая пользователям менять интерфейсы через natural language.
BISCUIT: временные UI как scaffold для LLM-generated code в computational notebooks
VL/HCC 2024 paper от исследователей Apple о BISCUIT: JupyterLab workflow, который вставляет временный UI-слой между намерением пользователя и LLM-generated code. Вместо прямого перехода от prompt к исходным файлам пользователи сначала работают с временными сгенерированными controls, которые помогают понять варианты, уточнить запросы и исследовать переменные до генерации кода.