arXiv cs.CL· Yuxin Meng, Ruixu Zhang, Junjie Wang, Yuhan Suo, Yuhan Sun, Ruining Hu, Yiyao Yu, Yubin Wang, Shouwei Ruan, Bin Wang, Yue Liao, Yuxiang Zhang, Yujiu Yang·· 9 天前AI 评分27
WebLoop：面向网页生成的执行闭环学习框架
Learning the Loop, Not Just the Page: Execution-Grounded Loop Learning for Web Generation
AI 导读
WebLoop 是一个执行闭环框架，在共享策略内联合学习生成、批判与修复三种角色，用互补信号训练免执行的 Critic 并引入后果感知信用分配。基于 Qwen3.5-9B，WebLoop 在 WebRise 上达到 41.5 Overall、在 WebGen-Bench 上达到 38.9% 准确率，分别较基座模型提升 11.3 和 15.4 分。
正文 · AI 翻译
作者：Yuxin Meng、Ruixu Zhang、Junjie Wang、Yuhan Suo、Yuhan Sun、Ruining Hu、Yiyao Yu、Yubin Wang、Shouwei Ruan、Bin Wang、Yue Liao、Yuxiang Zhang、Yujiu Yang
摘要：功能性 Web 生成正越来越多地借助可执行奖励进行优化，但现有方法大多关注最终页面的质量，而对诊断和修复不完美实现的过程探索不足。我们识别出这一设定中的核心挑战：Generator 和 Refiner 产生带有直接环境奖励的可执行产物，而中间环节的 Critic 在没有可直接执行结果的情况下影响下游行为。我们提出 WebLoop，一个以执行为基础的框架，在共享策略中联合学习生成、批判和精炼。WebLoop 训练一个免执行的 Critic，使用互补信号以实现需求级别的可区分性和下游有用性，首先建立可靠的诊断，然后引入后果感知的信用分配，同时三个角色通过组相对策略学习进行联合优化。在 Qwen3.5-9B 上，WebLoop 在 WebRise 上达到 41.5 Overall，在 WebGen-Bench 上达到 38.9% 准确率，分别比基础模型提升 11.3 和 15.4 个点。这些增益可迁移到首轮生成，在 27B 规模下依然保持，并从纯文本训练泛化到多模态输入。受控分析进一步表明，仅靠额外的精炼轮次无法解释这一改进，凸显了学习 Critic 和循环本身的重要性。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.11543 [cs.CL] |
| （或 arXiv:2610.11543v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11543 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yuxin Meng [查看邮箱]
[v1]
2026年10月8日星期四 09:11:17 UTC（3,068 KB）
来源：arXiv cs.CL · arxiv.org