論文の概要: Generative UI: LLMs are Effective UI Generators

• arxiv url: http://arxiv.org/abs/2604.09577v1
• Date: Tue, 24 Feb 2026 19:42:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.511671
• Title: Generative UI: LLMs are Effective UI Generators
• Title（参考訳）: ジェネレーティブUI: LLMは効果的なUIジェネレータである
• Authors: Yaniv Leviathan, Dani Valevski, Matan Kalman, Danny Lumen, Eyal Segalis, Eyal Molad, Shlomi Pasternak, Vishnu Natchu, Valerie Nygaard, Srinivasan, Venkatachary, James Manyika, Yossi Matias,
• Abstract要約: 生成UIは長く続く約束であり、モデルがコンテンツだけでなくインターフェース自体を生成する。 適切なプロンプトと適切なツールセットを備えると、現代のLLMは、事実上任意のプロンプトに対して、高品質なカスタムUIを堅牢に生成できることを示す。 このロバストなジェネレーティブUIの能力は、以前のモデルから大幅に改善され、創発的であることを示します。
• 参考スコア（独自算出の注目度）: 13.005859095459414
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: AI models excel at creating content, but typically render it with static, predefined interfaces. Specifically, the output of LLMs is often a markdown "wall of text". Generative UI is a long standing promise, where the model generates not just the content, but the interface itself. Until now, Generative UI was not possible in a robust fashion. We demonstrate that when properly prompted and equipped with the right set of tools, a modern LLM can robustly produce high quality custom UIs for virtually any prompt. When ignoring generation speed, results generated by our implementation are overwhelmingly preferred by humans over the standard LLM markdown output. In fact, while the results generated by our implementation are worse than those crafted by human experts, they are at least comparable in 50% of cases. We show that this ability for robust Generative UI is emergent, with substantial improvements from previous models. We also create and release PAGEN, a novel dataset of expert-crafted results to aid in evaluating Generative UI implementations, as well as the results of our system for future comparisons. Interactive examples can be seen at https://generativeui.github.io
• Abstract（参考訳）: AIモデルはコンテンツの作成に優れていますが、通常、静的で事前定義されたインターフェイスでレンダリングします。 特に LLM の出力はマークダウンの "wall of text" であることが多い。 生成UIは長く続く約束であり、モデルがコンテンツだけでなくインターフェース自体を生成する。 これまで、生成UIは堅牢な方法では不可能だった。 適切なプロンプトと適切なツールセットを備えると、現代のLLMは、事実上任意のプロンプトに対して、高品質なカスタムUIを堅牢に生成できることを示す。 生成速度を無視する場合、我々の実装によって生成された結果は標準LLMマークダウン出力よりも人間の方が圧倒的に好まれる。 実際、我々の実装によって生成された結果は、人間の専門家によって作られたものよりも悪いが、少なくとも50%のケースでは同等である。 このロバストなジェネレーティブUIの能力は、以前のモデルから大幅に改善され、創発的であることを示します。 また、生成UI実装の評価を支援するために、専門家が作成した新たなデータセットであるPAGENと、将来の比較のためのシステムの結果も作成、リリースしています。 インタラクティブな例はhttps://generativeui.github.ioで見ることができる。

関連論文リスト

• UI-UG: A Unified MLLM for UI Understanding and Generation [19.7078650905834]
  UI-UG(UI理解と生成のための統合MLLM)を導入し、両方の機能を統合する。 タスク理解には,グループ相対政策最適化(GRPO)を併用したスーパービジョンファインチューニング(SFT)を用い,より詳細な理解を深める。 生成タスクでは、さらにDPO(Direct Preference Optimization)を使用して、モデルが人間の好みのUIを生成する。
  論文  参考訳（メタデータ） (2025-09-29T06:59:09Z)
• AutoGUI: Scaling GUI Grounding with Automatic Functionality Annotations from LLMs [54.58905728115257]
  そこで本稿では,UI要素に詳細な機能記述を自動アノテートする textbfAutoGUI パイプラインを提案する。 提案したパイプラインを用いて高品質なAutoGUI-704kデータセットを構築し,多種多様な機能アノテーションを特徴とする。 我々のデータセットは、VLMのUIグラウンド機能を大幅に強化し、大きなスケーリング効果を示す。
  論文  参考訳（メタデータ） (2025-02-04T03:39:59Z)
• HelloBench: Evaluating Long Text Generation Capabilities of Large Language Models [89.28591263741973]
  長文生成における大規模言語モデルの性能を評価するために,階層長文生成ベンチマーク(HelloBench)を導入する。 HelloBenchはブルームの分類に基づいて、長いテキスト生成タスクをオープンエンドQA、要約、チャット、テキスト補完、テキスト生成の5つのサブタスクに分類する。 また,人的評価に要する時間と労力を大幅に削減する人的評価手法である階層的長文評価(HelloEval)を提案する。
  論文  参考訳（メタデータ） (2024-09-24T15:38:11Z)
• Generative Representational Instruction Tuning [89.76840377003178]
  GritLM 7B がMassive Text Embedding Benchmark (MTEB) に新たな技術状況を設定する GritLM 8x7Bは、私たちが試したすべてのオープンな生成言語モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-02-15T12:12:19Z)
• ELMER: A Non-Autoregressive Pre-trained Language Model for Efficient and Effective Text Generation [97.64625999380425]
  事前学習言語モデル(PLM)のアプローチによるテキスト生成タスクについて検討する。 早期出口技術を活用することで、ELMERは予測信頼度に応じて異なるレイヤでのトークン生成を可能にする。 3つのテキスト生成タスクの実験では、EMMERはNARモデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-10-24T14:46:47Z)

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。