Скачать или смотреть Ui2Code^N: визуальная языковая модель для масштабируемой интерактивной генерации пользовательског...

В статье представлена ​​**UI2CodeN**, визуальная языковая модель (VLM) с 9 миллиардами параметров, предназначенная для автоматизации сложнейшей задачи программирования пользовательского интерфейса (UI), которая включает преобразование снимков экрана UI в исполняемый код. Понимая, что существующие подходы страдают от неразвитых возможностей мультимодального кодирования и неэффективной одношаговой генерации, авторы предлагают **новую интерактивную парадигму UI-to-Code**. Эта парадигма согласуется с реальными рабочими процессами разработчиков, переосмысливая кодирование UI как итеративный процесс, включающий три основные функции: начальную генерацию UI-to-code, целевое редактирование UI и итеративную полировку UI, которая непрерывно совершенствует вывод на основе визуальной обратной связи. Этот интерактивный механизм обеспечивает **масштабирование во время тестирования**, что означает стабильное улучшение производительности с каждым раундом уточнения. UI2CodeN достиг своих фундаментальных возможностей благодаря трёхэтапному конвейеру обучения: предварительному обучению на зашумлённых данных реального мира, контролируемой настройке на чистых наборах данных и обучению с подкреплением с использованием нового верификатора на основе VLM для оптимизации визуального сходства. В результате UI2CodeN устанавливает новый стандарт среди моделей с открытым исходным кодом и достигает производительности, сравнимой с ведущими системами с закрытым исходным кодом, такими как GPT-5 и Gemini-2.5-Pro, в основных тестах кодирования и полировки пользовательского интерфейса.

https://arxiv.org/pdf/2511.08195
https://github.com/zai-org/UI2Code_N