AwesomeREA.org

2026 · 会议论文

Vision2Web：采用智能体验证的分层视觉网站开发基准

Vision2Web: A Hierarchical Benchmark for Visual Website Development with Agent Verification

Zehai He; Wenyi Hong; Zhen Yang; Ziyang Pan; Mingdao Liu; Xiaotao Gu; Jie Tang

基于视觉原型和文字需求评测网站开发，包含 100 项静态页面、66 项交互前端与 27 项全栈任务，将基于工作流的功能检查与模型进行的视觉比较结合。

研究范围与局限

全栈层级由明确规格驱动，并非仅通过探索运行中的网站进行重建。工作流测试状态管理与增删改查结果，但有限的智能体判断不能证明后端或数据库持久性的精确等价。当前公开评测器在每个工作流内保持浏览器会话，并允许检查本地业务 API；这不构成通用的持久化证明。

与本合集的关联

可用于比较交互式、有状态网站重建的评测方法，同时明确区分根据文字规格开发与仅凭行为推断。

发表与复核详情

发表载体
ICML 2026
发表状态
会议论文
出版／提交日期
2026 年 9 月 29 日
日期依据
采用 PMLR 第 306 卷标明的出版日期；不将 7 月 6—11 日的会议日期作为出版日期。
arXiv 首次提交
2026 年 3 月 27 日
arXiv
2603.26648
已复核的 arXiv 版本
v3

正式 PMLR 论文包含七位作者，页码为 41393–41415；arXiv v3 日期为 2026-07-20。当前产物的评测配置与论文不同。许可信息存在冲突：README 正文声明 CC-BY-NC-SA-4.0，Hugging Face 元数据标为 Apache-2.0，项目页声明 CC BY-SA 4.0，setup.py 列出 MIT，但仓库没有 LICENSE 文件。因此不宣称产物适用统一许可。

来源复核于

本合集仅做来源复核，未重新运行论文实验。请通过原始论文或 BibTeX 引用原作者。

一手来源

  1. https://proceedings.mlr.press/v306/he26n.html
  2. https://proceedings.mlr.press/v306/
  3. https://raw.githubusercontent.com/mlresearch/v306/main/assets/he26n/he26n.pdf
  4. https://arxiv.org/abs/2603.26648
  5. https://arxiv.org/html/2603.26648v3
  6. https://vision2web-bench.github.io/
  7. https://github.com/zai-org/Vision2Web/blob/d80a4a3d0ea7326541ad87314294269a633789e4/README.md
  8. https://github.com/zai-org/Vision2Web/blob/d80a4a3d0ea7326541ad87314294269a633789e4/setup.py
  9. https://github.com/zai-org/Vision2Web/blob/d80a4a3d0ea7326541ad87314294269a633789e4/vision2web/evaluation/prompts.py
  10. https://github.com/zai-org/Vision2Web/blob/d80a4a3d0ea7326541ad87314294269a633789e4/vision2web/evaluation/functional_tester.py
  11. https://huggingface.co/datasets/zai-org/Vision2Web/blob/8f03299d92b9bd852e93852d0c21e8a4848ab661/README.md