循环渲染：交互式 Web 开发的执行驱动代理

多模态 大语言模型 在前端 Web 开发方面取得了显着进展，从屏幕截图和交互视频等多模态参考生成交互式网页。然而，现有的工作主要强调视觉指标，例如美观和布局相似性，而忽略了更关键的交互功能验证。我们提出了 RILA，一个执行驱动的代理，它将浏览器渲染放入循环中，迭代地编辑根据运行时交互反馈生成的代码。 RILA 引入了动作交互验证 (AIV) 模块，可在生成的网页上重放参考交互轨迹，以收集有实际执行依据的观察结果；以及执行感知渲染分数 (ERS)，联合测量交互正确性和视觉保真度，以指导迭代优化。我们进一步构建了一个经过执行验证的数据合成管道，可生成多样化的高质量训练数据，为推理时间优化提供补充。在 IWR-Bench 上，RILA 不断提高基础模型的交互和视觉保真度。值得注意的是，通过我们的训练管道，RILA 将紧凑型 Qwen3.5-9B 主干从 40.40% 提升到 57.52%，超越了更大的一次性生成器，包括 1T 参数 Kimi-K2.6 (55.61%) 和专有的 GPT-5.5 (55.74%)。