HTMLCure：以浏览器交互状态指导页面修复

LLM 现在可以生成完整的 HTML 页面，但其中许多页面只是表面上正确：它们渲染一次，然后在滚动、悬停、单击、调整大小或游戏时失败。通过屏幕截图进行评估可能会错过这些故障，并且过滤会丢弃许多仍可修复的页面。我们介绍 HTMLCure，一个浏览器体验框架，它在系统与 HTML 交互后对其进行评估。评估器跨视口和交互状态执行页面，记录确定性浏览器证据，并从执行的轨迹中提供 VLM 策划的关键帧，而不是孤立的屏幕截图。相同的状态信号驱动闭环修复引擎：HTMLCure 诊断当前页面，选择特定于状态的修复系列，再次运行每个候选，并为 SFT 导出通过质量检查的页面。在 97K 提示语料库上，这将直接可用的种子扩展为 63703 个通过质量检查页面的候选池，我们从中构建了最终的 40K 页面的精炼 SFT 集。在相同的主干和训练方案下，HTMLCure-27B-Refined 在 HTMLBench-400 上达到 50.6，确定性测试用例通过率为 45.2%，与 Kimi-K2.6 和 GPT-5.4 等强参考模型处于相同的性能范围。在发布的 MiniAppBench 验证拆分上，平均得分达到 81.2，将原始 27B SFT 提高了 15.3 分，接近强参考系统的水平。