面向前端代码生成的视觉引导迭代精炼

用大语言模型进行代码生成往往依赖多阶段的人在回路精炼，这虽然有效但成本很高——尤其是在前端网页开发这类解的质量取决于渲染视觉输出的领域。我们提出一个全自动的评论家在回路框架，其中视觉语言模型（VLM）充当视觉评论家，对渲染后的网页提供结构化反馈，以引导生成代码的迭代精炼。在来自WebDev Arena数据集的真实用户请求上，该方法带来了解决方案质量的持续提升，经过三轮精炼性能最高提升17.8%。接着，我们利用LoRA研究参数高效微调，以了解评论家带来的改进能否被代码生成LLM内化。微调在不显著增加token数量的前提下，取得了最佳评论家在回路方案25%的收益。我们的发现表明，基于VLM的自动化批评使前端代码生成获得的质量显著高于单次LLM推理所能达到的水平，并凸显了迭代精炼对网页开发这类复杂视觉输出的重要性。