详细内容或原文请订阅后点击阅览

uicoder：通过自动反馈生成用户界面代码的大型语言模型

2025年8月14日 07:57 33 Comments
X Twitter Instagram Mail

大型语言模型（LLMS）难以始终生成编译并产生视觉相关设计的UI代码。现有的改善发电的方法取决于昂贵的人类反馈或提炼专有模型。在本文中，我们探讨了自动反馈（编译器和多模式模型）的使用来指导LLMS生成高质量的UI代码。我们的方法从现有的LLM开始，并通过使用原始模型自我生成大型合成数据集来迭代地产生改进的模型，并应用自动化工具来积极过滤，得分和删除…

来源:Apple机器学习研究

大型语言模型（LLMS）难以始终生成编译并产生视觉相关设计的UI代码。现有的改善发电的方法取决于昂贵的人类反馈或提炼专有模型。在本文中，我们探讨了自动反馈（编译器和多模式模型）的使用来指导LLMS生成高质量的UI代码。我们的方法从现有的LLM开始，并通过使用原始模型自我生成大型合成数据集来迭代地产生改进的模型，并应用自动化工具来积极过滤，得分和将数据解说到精制质量的高质量数据集中。通过在此精制数据集中进行填充来改善原始LLM。我们将方法应用于几个开源LLM，并将所得的性能与具有自动指标和人类偏好的基线模型进行了比较。我们的评估表明，所得模型的表现优于所有其他可下载的基线，并接近较大专有模型的性能。

    **在Apple†Carnegie Mellon University完成的工作
  • **在Apple
  • †卡内基·梅隆大学
    • 昂贵的 自动 模型的 UI LLMS 数据集 改善 数据 所有其他 专有 设计的 完成的 多模式 Apple 方法 质量数 生成 LLM 反馈 改进的 精制 人类 质量的 所得 原始模型 编译器 模型 基线 高质量的 现有的 质量 自动化