arXiv cs.AI· Yifei Sun, Peng Zhao, Le Zhang, Bingjin Chen, Zhengfan Wu·· 14 小时前AI 评分38
WebViSE：从开放网络提取视觉设计智能，提升 LLM 网站生成能力
WebViSE: Scaling Visual Design Intelligence from the Open Web for LLM Website Generation
AI 导读
WebViSE 框架可将开放网络中的成熟网站实现自动抽象为可复用的 Visual Skills，并构建结构化 Skill 库。该库以多父 DAG 组织，通过 Skill-conditioned Potential Queries 联合演化技能描述与结构，在 Qwen3.8-Max 上以约 39.09% 的检索成本超越非层级 LLM 检索基线。
正文 · AI 翻译
摘要：大型语言模型在网站开发领域取得了显著进展，使得人们能够以远少于以往的工作量，根据自然语言指令构建完整且可交互的网页体验。然而，非专业用户往往难以用自然语言表达复杂的视觉与交互设计。与此同时，开放网络已经蕴藏了大量此类设计知识，体现在成熟的网站实现中。为此，我们提出了网站衍生视觉技能提取（WebViSE）框架，该框架可自动将这些实现抽象为可复用的视觉技能，并构建结构化的技能库。为扩展该技能库，WebViSE 将其技能组织为多父节点 DAG，并利用以技能为条件的潜在查询联合演化技能描述与 DAG 结构，从而实现多样用户指令与相关技能之间的高效匹配。在 Qwen3.8-Max 下，自动演化的结构仅以估计检索成本的 39.09% 就优于非层次化的 LLM 检索基线。对于任何模型，WebViSE 均可作为即插即用的指导直接注入，使各类模型能够生成更具视觉吸引力和美学精细度的网页。对于开源模型，WebViSE 可用于构建数据合成流水线，将视觉设计智能内化到模型权重中。跨多个网页开发基准的实验与人工评估一致表明，WebViSE 提升了产物的视觉质量和交互保真度。总体而言，我们的工作建立了一条自动化路径，用于从开放网络中提取、组织设计智能并将其迁移至网站构建模型。我们在 此 https URL 发布了所有提取的视觉技能、相关技能 DAG 及我们的代码。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.33929 [cs.AI] |
| （或 arXiv:2610.33929v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33929 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yifei Sun [查看邮箱]
[v1]
2026年10月24日星期六 21:43:29 UTC（11,001 KB）
来源：arXiv cs.AI · arxiv.org