Hugging Face 发布 WebSight 数据集，助力 VLM 将网页截图转换为 HTML

Hugging Face 开源了 WebSight-v0.2 数据集及微调模型 Sightseer，旨在利用视觉语言模型将网页截图转换为 HTML 代码。该数据集包含 200 万个合成示例，相比 v0.1 版本采用了真实图像和 Tailwind CSS，显著提升了数据质量。Sightseer 模型基于此微调，能够生成包含图像的功能性 HTML，致力于简化 UI 设计到代码的转化流程。