arXiv Artificial Intelligence· Yuchi Wang, Rongyao Fang, Weihao Yu, Xilin Wei, Tiancheng Gu, Dingkang Yang, Hang Zhang, Dayiheng Liu, Hongsheng Li, Shuai Bai·· 3 小时前AI 评分34
RefCraft：以网页开发为场景评测视觉参考条件下的智能体生成能力
RefCraft: Benchmarking Visual-Reference-Conditioned Agentic Generation through Web Development
AI 导读
RefCraft 基准包含 300 个真实多模态网页开发任务，将自然语言指令与 1 至 5 张参考网页截图结合，要求智能体选择性理解参考并渲染、目视检查、迭代改进输出。评测采用可独立验证的关键点及程序化与 VLM 评判，9 个前沿 (M)LLM 中最高总分仅 52.12/100。
来源：arXiv Artificial Intelligence · arxiv.org