آیا هوش مصنوعی واقعاً میتواند صفر تا صدِ یک وبسایت را طراحی و پیادهسازی کند؟ محققان برای پاسخ به این سوال، بنچمارک جدید و جامع Vision2Web را معرفی کردند.
این بنچمارک به سراغ ارزیابی توانایی ایجنتهای کدنویس در دنیای واقعی رفته است؛ از تبدیل طرحهای گرافیکی (UI) به کد گرفته تا توسعه وبسایتهای پیچیده و چندصفحهای. نتایج نشان میدهد که با وجود پیشرفتهای اخیر، هنوز هم مدلهای پیشرفته در ساخت وبسایتهای کامل (Full-stack) با چالشهای جدی روبرو هستند.
Vision2Web با استفاده از ۱۶ دستهبندی و بیش از ۱۲۰۰ تست، یک استاندارد جدید برای سنجش هوش مصنوعی در مسیر توسعه نرمافزار است.
نویسی
منبع: arXiv AI