Yapay zeka tarafından yazılan web sayfaları gerçekten kullanılabilir mi? Tencent, web sayfalarına kendi kendine tıklayabilen bir değerlendirme aracı geliştirdi.

动察 Beating AI hızlı haber: Tencent Hunyuan, Tsinghua ve Peking Üniversitesi ile birlikte, AI tarafından oluşturulan web sayfalarının gerçekte ne kadar kullanışlı olduğunu değerlendirmek için özel olarak IWC-Bench'i piyasaya sürdü.

Birçok web sayfası oluşturma değerlendirmesi esas olarak koda veya ekran görüntülerine bakar. Sayfa güzel görünebilir ve kodda gerçekten işlevler yazılmış olabilir, ancak düğmeler tıklanamıyor, formlar gönderilemiyor, sayfa değiştirildiğinde hata veriyor; bu sorunları statik kontrolle tespit etmek zordur.

IWC-Bench daha çok gerçek bir kişinin kabul testine benzer. Bir Agent'ın web sayfasını gerçekten açmasını, düğmelere tıklamasını, içerik girmesini, sayfalar arasında geçiş yapmasını sağlar ve ardından hangi işlevlerin gerçekten çalıştığını kontrol eder. Sonunda üç şeyi ayrı ayrı değerlendirir: sayfa güzel mi, işlemler akıcı mı, kullanıcının istediği işlevler yapılmış mı.

Kıyaslama, 369 gerçek kullanıcı talebini ve 5088 kabul kriterini içeriyor; 17 model toplamda 6273 web uygulaması oluşturdu. Ayrıca 197 grup insan tarafından yeniden incelenen karşılaştırmada, IWC-Bench 168 grupta insan seçimiyle tutarlıydı ve tutarlılık oranı %85,3'e ulaştı.

Sonuçlar ayrıca web sayfalarının "iyi görünmesi" ile "gerçekten kullanışlı olması"nın aynı şey olmadığını gösteriyor. GPT-5.6-Sol sayfa estetiğinde en yüksek puanı aldı, ancak kullanılabilirlikte yalnızca altıncı sırada; tek bir web sayfası özelinde, güzel görünmesi temel olarak kullanışlı olup olmadığını açıklamıyor, iki öğe arasındaki korelasyon katsayısı yalnızca 0,36.