详细内容或原文请订阅后点击阅览
Athena：使用法学硕士的迭代支架应用程序生成的中间表示
使用大型语言模型 (LLM) 生成完整用户界面的代码具有挑战性。用户界面很复杂，它们的实现通常由多个相互关联的文件组成，这些文件共同指定每个屏幕的内容、屏幕之间的导航流以及整个应用程序中使用的数据模型。为 LLM 制作包含足够详细信息以生成完整用户界面的单个提示具有挑战性，即使如此，结果通常是一个大且难以理解的文件，其中包含所有生成的...
来源:Apple机器学习研究使用大型语言模型 (LLM) 生成完整用户界面的代码具有挑战性。用户界面很复杂，它们的实现通常由多个相互关联的文件组成，这些文件共同指定每个屏幕的内容、屏幕之间的导航流以及整个应用程序中使用的数据模型。为 LLM 制作包含足够详细信息以生成完整用户界面的单个提示具有挑战性，即使如此，结果通常是一个包含所有生成屏幕的大型且难以理解的文件。在本文中，我们介绍了 Athena，这是一个原型应用程序生成环境，它演示了如何使用共享中间表示（包括应用程序情节提要、数据模型和 GUI 骨架）来帮助开发人员以迭代方式使用法学硕士来制作完整的用户界面。这些中间表示还支撑了法学硕士的代码生成过程，在多个文件中生成有组织和结构化的代码，同时限制错误。我们通过一项用户研究对 Athena 进行了评估，发现 75% 的参与者更喜欢我们的原型，而不是典型的聊天机器人式原型应用程序基线。