简介
2026 年 8 月发布的 LLM 生成界面评估基准，用确定性标注替代噪声较大的人工标签。SchemaGUI 从参数化 UI schema 合成中英文指令与函数调用真值，并在六类场景、五个模型上分别衡量可行性、几何控制与布局复杂度。
内容总结
SchemaGUI 带来的新信号：
1. 确定性评估：从界面 schema 直接生成精确函数调用真值，不依赖主观截图标注
2. 双语覆盖：在六类代表性中英文 GUI 任务中，每个场景、每种语言评估 1,000 个实例
3. 拆分能力维度：分别衡量 schema 可行性、几何控制与整体 GUI 质量，而不是压缩成单一视觉指标
4. 揭示空间瓶颈：模型规模扩大后，结构有效性提升快于精确坐标控制，密集网格和多区域布局尤其困难
5. 推理模式发现：thinking mode 消耗更多 token，却通常降低 GUI 分数，对较小模型影响更明显
1. 确定性评估：从界面 schema 直接生成精确函数调用真值，不依赖主观截图标注
2. 双语覆盖：在六类代表性中英文 GUI 任务中，每个场景、每种语言评估 1,000 个实例
3. 拆分能力维度：分别衡量 schema 可行性、几何控制与整体 GUI 质量，而不是压缩成单一视觉指标
4. 揭示空间瓶颈：模型规模扩大后，结构有效性提升快于精确坐标控制，密集网格和多区域布局尤其困难
5. 推理模式发现：thinking mode 消耗更多 token，却通常降低 GUI 分数，对较小模型影响更明显
标签
ui-generationbenchmarkschema-drivenspatial-reasoningbilingual