腾讯混元·· 2026-09-20AI 评分56
WebCraftBench 提出面向 AI 网页生成的软件测试评测基准
WebCraftBench:给 AI 生成的网页来一场「实测大考」
AI 导读
腾讯混元团队联合清华大学和北京大学提出 WebCraftBench,将软件测试方法引入 AI 网页生成评测。该基准包含 369 条真实用户需求和 5,088 条验收标准,通过让智能体实际交互并利用代码覆盖率查漏,从美观度、易用性和需求符合度三个维度进行评分。在 17 个前沿模型的实测中,WebCraftBench 的判断与人类偏好的一致率达到 85.3%。
来源:腾讯混元 · mp.weixin.qq.com