Giới thiệu
Bộ đánh giá vào tháng 9 năm 2026 kết nối việc chấm điểm thẩm mỹ, chẩn đoán, sửa lỗi và tạo UI từ văn bản trên 1,395 giao diện web có thể thực thi. Bộ đánh giá kết hợp chẩn đoán và sửa lỗi trên 660 trường hợp được chủ động làm giảm chất lượng có kiểm soát để kiểm thử liệu các mô hình có thể chuyển nhận định thiết kế thành những thay đổi giao diện hiệu quả hay không.
Tóm tắt
Điểm mới đáng chú ý của AUV-Bench:
1. Nền tảng đánh giá chung: Kiểm thử bốn năng lực trên cùng một tập giao diện và các nguyên tắc thẩm mỹ chuyên môn
2. Bằng chứng từ nhận định đến hành động: Gắn chẩn đoán khiếm khuyết với việc sửa mã nguồn trên cùng một trang đã bị làm giảm chất lượng
3. Khoảng cách năng lực được đo lường: Trong 12 mô hình, tỷ lệ thành công chính xác của toàn bộ chuỗi chẩn đoán cao nhất là 24.7%, và nhận định đúng không phải lúc nào cũng dẫn đến sửa lỗi thành công
4. Giới hạn về khả năng tái lập: Bộ dữ liệu đã được công khai, trong khi kho mã được liên kết vẫn ghi rằng mã đánh giá sẽ được cung cấp sau
1. Nền tảng đánh giá chung: Kiểm thử bốn năng lực trên cùng một tập giao diện và các nguyên tắc thẩm mỹ chuyên môn
2. Bằng chứng từ nhận định đến hành động: Gắn chẩn đoán khiếm khuyết với việc sửa mã nguồn trên cùng một trang đã bị làm giảm chất lượng
3. Khoảng cách năng lực được đo lường: Trong 12 mô hình, tỷ lệ thành công chính xác của toàn bộ chuỗi chẩn đoán cao nhất là 24.7%, và nhận định đúng không phải lúc nào cũng dẫn đến sửa lỗi thành công
4. Giới hạn về khả năng tái lập: Bộ dữ liệu đã được công khai, trong khi kho mã được liên kết vẫn ghi rằng mã đánh giá sẽ được cung cấp sau
Thẻ
ui-generationaesthetic-evaluationdiagnosis-and-repairhuman-evaluationbenchmark