论文页面 - MM-WebAgent：用于网页生成的分层多模态智能体

来源：https://huggingface.co/papers/2604.15309

作者：

,

,

,

,

,

,

,

,

,

,

,

,

摘要

MM-WebAgent 是一个分层智能体框架，通过联合优化布局与多模态内容，协调基于 AIGC 的元素生成，实现连贯且视觉一致的网页设计。

人工智能生成内容（AIGC）工具的快速发展，使得图片、视频和可视化内容可以按需生成用于网页设计，为现代 UI/UX 提供了一种灵活且日益被采用的范式。然而，直接将这些工具集成到自动网页生成中，往往会导致风格不一致和全局连贯性差，因为元素是孤立生成的。我们提出了 MM-WebAgent，一个用于多模态网页生成的分层智能体框架，该框架通过分层规划和迭代自我反思来协调基于 AIGC 的元素生成。MM-WebAgent 联合优化全局布局、局部多模态内容及其集成，生成连贯且视觉一致的网页。我们还引入了一个用于多模态网页生成的基准测试，以及一个用于系统评估的多层级评估协议。实验表明，MM-WebAgent 在代码生成和基于智能体的基线方法上表现更优，尤其是在多模态元素生成与集成方面。代码与数据：https://aka.ms/mm-webagent。

查看 arXiv 页面 (https://arxiv.org/abs/2604.15309) 查看 PDF (https://arxiv.org/pdf/2604.15309) 项目页面 (https://aka.ms/mm-webagent) GitHub (https://github.com/microsoft/MM-webagent) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2604.15309)

在你的智能体中获取此论文：

hf papers read 2604\.15309

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2604.15309 即可从本页面链接。

引用此论文的数据集 1

microsoft/MM-WebGen-Bench 查看器 • 3 天前更新 • 120 • 290 (https://huggingface.co/datasets/microsoft/MM-WebGen-Bench)

引用此论文的 Spaces 0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2604.15309 即可从本页面链接。

包含此论文的收藏集 0

无收藏集包含此论文

将此论文添加到收藏集 (https://huggingface.co/new-collection) 即可从本页面链接。