論文の概要: Qualitative Evaluation of LLM-Designed GUI

• arxiv url: http://arxiv.org/abs/2601.22759v1
• Date: Fri, 30 Jan 2026 09:33:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-02 18:28:15.355215
• Title: Qualitative Evaluation of LLM-Designed GUI
• Title（参考訳）: LLM設計GUIの質的評価
• Authors: Bartosz Sawicki, Tomasz Les, Dariusz Parzych, Aleksandra Wycisk-Ficek, Pawel Trebacz, Pawel Zawadzki,
• Abstract要約: 大規模言語モデル(LLM)はGUI(GUI)の自動設計のために研究されている。 本研究では, LLMインタフェースのユーザビリティと適応性について, 多様なユーザニーズを満たす能力について検討した。
• 参考スコア（独自算出の注目度）: 35.39124330470992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As generative artificial intelligence advances, Large Language Models (LLMs) are being explored for automated graphical user interface (GUI) design. This study investigates the usability and adaptability of LLM-generated interfaces by analysing their ability to meet diverse user needs. The experiments included utilization of three state-of-the-art models from January 2025 (OpenAI GPT o3-mini-high, DeepSeek R1, and Anthropic Claude 3.5 Sonnet) generating mockups for three interface types: a chat system, a technical team panel, and a manager dashboard. Expert evaluations revealed that while LLMs are effective at creating structured layouts, they face challenges in meeting accessibility standards and providing interactive functionality. Further testing showed that LLMs could partially tailor interfaces for different user personas but lacked deeper contextual understanding. The results suggest that while LLMs are promising tools for early-stage UI prototyping, human intervention remains critical to ensure usability, accessibility, and user satisfaction.
• Abstract（参考訳）: ジェネレーティブな人工知能が進歩するにつれて、GUI(GUI)の自動設計のためにLLM(Large Language Models)が検討されている。 本研究では, LLMインタフェースのユーザビリティと適応性について, 多様なユーザニーズを満たす能力について検討した。 実験には、2025年1月からの3つの最先端モデル(OpenAI GPT o3-mini-high、DeepSeek R1、Anthropic Claude 3.5 Sonnet)の利用が含まれ、チャットシステム、テクニカルチームパネル、マネージャダッシュボードの3つのインターフェースタイプに対するモックアップを生成する。 専門家による評価によると、LLMは構造的なレイアウトを作成するのに効果的であるが、アクセシビリティ標準を満たし、対話的な機能を提供するという課題に直面している。 さらなるテストの結果、LLMは異なるユーザペルソナのインターフェースを部分的に調整できるが、より深いコンテキスト理解が欠如していることが判明した。 その結果,LDMは早期UIプロトタイピングのための有望なツールであるが,ユーザビリティ,アクセシビリティ,ユーザ満足度を確保するためには,人間の介入が不可欠であることが示唆された。

関連論文リスト

• MLLM as a UI Judge: Benchmarking Multimodal LLMs for Predicting Human Perception of User Interfaces [97.62557395494962]
  GPT-4o、Claude、Llamaを30のインターフェースでベンチマークするためにクラウドソーシングを使用します。 以上の結果から,MLLMは特定の次元において人間の嗜好を近似するが,他の次元では異なってしまうことが示唆された。
  論文  参考訳（メタデータ） (2025-10-09T20:00:41Z)
• Generative Interfaces for Language Models [70.25765232527762]
  ユーザインタフェース(UI)を積極的に生成することにより,大規模言語モデル(LLM)がユーザクエリに応答するパラダイムを提案する。 本フレームワークは,ユーザクエリをタスク固有のUIに変換するために,構造化インターフェース固有の表現と反復的洗練を活用している。 その結果、生成的インタフェースは人間の嗜好を最大72%改善し、会話的インタフェースよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2025-08-26T17:43:20Z)
• GUIDE: LLM-Driven GUI Generation Decomposition for Automated Prototyping [55.762798168494726]
  印象的なコード生成機能を備えた大規模言語モデル(LLM)は、GUIプロトタイピングを自動化するための有望なアプローチを提供する。 しかし、現在のLLMベースのプロトタイピングソリューションと従来のユーザベースのGUIプロトタイピングアプローチの間にはギャップがある。 プロトタイピングフレームワークであるFigmaにシームレスに統合された新しいLLM駆動GUI生成分解手法であるGUIDEを提案する。
  論文  参考訳（メタデータ） (2025-02-28T14:03:53Z)
• Zero-Shot Prompting Approaches for LLM-based Graphical User Interface Generation [53.1000575179389]
  LLMに基づくGUI検索とフィルタリング機構を統合した検索型GUI生成(RAGG)手法を提案する。 また,GUI 生成に Prompt Decomposition (PDGG) と Self-Critique (SCGG) を適用した。 UI/UX経験を持つ100人以上の集団作業者の3000以上のGUIアノテーションを対象とし,SPGGはPDGGやRAGGとは対照的に,より効果的なGUI生成につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-15T22:17:30Z)
• Large Language User Interfaces: Voice Interactive User Interfaces powered by LLMs [5.06113628525842]
  ユーザとユーザインターフェース(UI)の仲介として機能するフレームワークを提案する。 アノテーションの形でUIコンポーネントのテキストセマンティックマッピングに立つシステムを採用している。 我々のエンジンは、最も適切なアプリケーションを分類し、関連するパラメータを抽出し、その後、ユーザの期待するアクションの正確な予測を実行することができる。
  論文  参考訳（メタデータ） (2024-02-07T21:08:49Z)
• UI Layout Generation with LLMs Guided by UI Grammar [13.172638190095395]
  大規模言語モデル(LLM)は、研究者や産業専門家の間で関心を喚起している。 本稿では,UI画面に固有の階層構造を表現する新しいアプローチであるUI文法の導入を提案する。 本研究の目的は, LLMの生成能力の向上と, プロセスの説明可能性, 制御性の向上である。
  論文  参考訳（メタデータ） (2023-10-24T02:00:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。