interaction-testing

本文介绍了WebRISE，这是一个用于评估MLLM生成的网页工件的基准，它使用交互契约图（ICGs）来评估五种输入模态下的需求诱导状态和转换。实验表明，即使是最强的模型也只能达到有限的有效性和覆盖率，其中视频输入提供了最强的交互信号。