简介
2026 年 9 月 Harness4GenUI 论文，研究小语言模型能否基于受控组件目录生成面向生产的 A2UI。作者在任务管理与云控制台两个场景中，对比训练数据策略、模型规模、组件目录规模、成本、延迟、数据绑定正确性和渲染质量。
内容总结
这篇论文带来的新信号：
1. 面向可部署协议评测：生成满足组件白名单与数据路径约束的结构化 A2UI，而不是任意前端代码
2. 量化成本与质量取舍：微调后的 4B 模型以低一个数量级以上的 API 成本，达到教师模型约 98% 的语义质量和 97% 的视觉质量
3. 比较不同训练策略：扰动组件目录更利于整体质量，约束目标复杂度则带来更可靠的数据绑定
4. 修正目录规模直觉：从 0.8B 到 4B 的模型，在组件数从约 10 增至 86 时都获得质量提升
5. 提供跨场景证据：使用另一种 3B 基座模型和云管理界面目录，复现了主要策略取舍
1. 面向可部署协议评测：生成满足组件白名单与数据路径约束的结构化 A2UI，而不是任意前端代码
2. 量化成本与质量取舍：微调后的 4B 模型以低一个数量级以上的 API 成本，达到教师模型约 98% 的语义质量和 97% 的视觉质量
3. 比较不同训练策略：扰动组件目录更利于整体质量，约束目标复杂度则带来更可靠的数据绑定
4. 修正目录规模直觉：从 0.8B 到 4B 的模型，在组件数从约 10 增至 86 时都获得质量提升
5. 提供跨场景证据：使用另一种 3B 基座模型和云管理界面目录，复现了主要策略取舍
标签
a2uismall-language-modelssupervised-fine-tuningcomponent-catalogsdeployment-cost