Fugu-MT 論文翻訳(概要): Learning to Detect UI Principle Violations via Reinforcement Learning

論文の概要: Learning to Detect UI Principle Violations via Reinforcement Learning

arxiv url: http://arxiv.org/abs/2607.20690v1
Date: Wed, 22 Jul 2026 19:42:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-24 18:26:25.209818
Title: Learning to Detect UI Principle Violations via Reinforcement Learning
Title（参考訳）: 強化学習によるUI原則違反の検出
Abstract要約: 小さな言語モデルとコーディングエージェントはますますWebフロントエンドコードを生成するが、その出力は通常、機能的正確性のために評価される。生成されたインターフェイスは、確立されたインターフェースの品質原則に違反しながら、ユニットテストをコンパイル、レンダリング、パスすることができる。我々は、軽量な視覚言語モデルが、生成したインタフェースの効果的な批判となるかどうかを考察する。
参考スコア（独自算出の注目度）: 8.915333011185671
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Small language models and coding agents increasingly generate web front-end code, yet their outputs are typically evaluated primarily for functional correctness. A generated interface may compile, render, and pass unit tests while still violating established interface quality principles, including accessibility barriers, deceptive design patterns, poor visual hierarchy, and excessive decision complexity. Existing auditing approaches face a trade-off between cost, coverage, and scalability: expert human review provides rich judgment but is slow and expensive; frontier vision-language models offer broader reasoning capabilities but remain costly to deploy at scale; and rule-based tools such as axe-core and Lighthouse are inexpensive but primarily capture mechanically checkable accessibility issues. We investigate whether a lightweight vision-language model can serve as an effective critic for generated interfaces. We unify 19 interface-quality principles from three complementary sources of HCI knowledge: WCAG 2.2 accessibility standards, deceptive design taxonomies, and established theories of perception, cognition, and interaction. To train this critic, we construct a verified dataset of approximately 10,000 generated web pages by synthetically injecting known violations into clean, LLM-generated Tailwind pages. Continued reinforcement learning on a 4B vision-language model improves micro-F1 from 36\% to 84\%, with 13 of 19 principles exceeding 80\% F1. The resulting critic can audit generated interfaces, filter low-quality interface training data, and provide a reward signal for design-aware code generation. We release our data-generation recipe and injection/verification prompts to support reproducible evaluation and future work on scalable interface-quality assessment.
Abstract（参考訳）: 小さな言語モデルとコーディングエージェントはますますWebフロントエンドコードを生成するが、その出力は主に機能的正確性のために評価される。生成されたインターフェースは、アクセシビリティ障壁、偽りのデザインパターン、視覚的階層の貧弱、過剰な決定複雑さなど、確立されたインターフェース品質の原則に違反しながら、ユニットテストをコンパイル、レンダリング、パスすることができる。既存の監査アプローチは、コスト、カバレッジ、スケーラビリティのトレードオフに直面している。専門家の人間レビューは、リッチな判断を提供するが、遅くて高価である。我々は、軽量な視覚言語モデルが、生成したインタフェースの効果的な批判となるかどうかを考察する。我々は、WCAG 2.2アクセシビリティ標準、偽設計分類、認識、認知、相互作用の理論の3つの相補的な情報源から、19のインターフェース品質の原則を統一する。本研究では,LLM生成したTailwindページに対して,既知の違反を合成的に注入することにより,約1万個のWebページの検証データセットを構築した。 4B視覚言語モデルの強化学習は、マイクロF1を36\%から84\%に改善し、19の原則のうち13が80\% F1を超えた。得られた批評家は、生成されたインタフェースを監査し、低品質のインタフェーストレーニングデータをフィルタリングし、設計に適応したコード生成のための報酬信号を提供する。データ生成のレシピとインジェクション/検証のプロンプトをリリースし、再現可能な評価とスケーラブルなインターフェース品質評価の今後の取り組みを支援します。

関連論文リスト

Bridging the Interpretation Gap in Accessibility Testing: Empathetic and Legal-Aware Bug Report Generation via Large Language Models [2.9451141736604396]
textscHEARは、生のアクセシビリティバグレポートをステークホルダー指向の物語に変換する。 4つの人気Androidアプリケーションから収集した実世界のアクセシビリティ問題に関するフレームワークを評価する。
論文参考訳（メタデータ） (2026-03-25T01:27:25Z)
CLAIRE: Compressed Latent Autoencoder for Industrial Representation and Evaluation -- A Deep Learning Framework for Smart Manufacturing [51.56484100374058]
CLAIREは、教師なしの深層表現学習と、スマート製造システムにおけるインテリジェントな品質管理のための教師付き分類を統合したハイブリッドエンドツーエンド学習フレームワークである。最適化されたディープオートエンコーダを使用して、生の入力をコンパクトな潜伏空間に変換し、不適切な特徴やノイズを抑えながら本質的なデータ構造を効果的にキャプチャする。提案したフレームワークは、堅牢な障害検出のために、説明可能なAIと機能認識の正規化を統合する可能性を強調している。
論文参考訳（メタデータ） (2026-03-06T15:11:58Z)
Graphing the Truth: Structured Visualizations for Automated Hallucination Detection in LLMs [0.0]
本稿では,プロプライエタリな知識とモデル生成コンテンツをインタラクティブな視覚的知識グラフにまとめるフレームワークを提案する。ユーザは不整合を診断し、弱い推論チェーンを特定し、修正フィードバックを提供する。
論文参考訳（メタデータ） (2025-11-29T23:09:15Z)
A11YN: aligning LLMs for accessible web UI code generation [23.43138311599752]
A11ynは、アクセシビリティに準拠したWeb UIを確実に生成するために、コード生成の大きな言語モデルを整列させる最初の方法である。 A11ynは、Web Content Accessibility Guidelines(WCAG)の違反を罰する新しい報酬関数を最適化する評価のために、パブリックWebページから300の現実世界のWeb UIリクエストをグラウンドし、手動でキュレートしたベンチマークであるRealUIReq-300を紹介する。
論文参考訳（メタデータ） (2025-10-15T06:42:29Z)
Attribution-Guided Decoding [24.52258081219335]
本稿では,解釈可能性に基づくデコーディング戦略であるAttribution-Guided Decoding (AGD)を紹介する。モデルアクティベーションを直接操作する代わりに、AGDは高確率出力トークン候補のセットを考える。 3つの挑戦領域にまたがってAGDの有効性を実証する。
論文参考訳（メタデータ） (2025-09-30T14:21:40Z)
SOI is the Root of All Evil: Quantifying and Breaking Similar Object Interference in Single Object Tracking [25.076012214989433]
類似オブジェクト干渉(SOI)の最初の体系的研究と定量化について述べる。干渉源の除去は、全てのSOTAトラッカーで大幅な性能改善(AUCは4.35まで向上)をもたらす。 SOIBenchは,SOI課題を対象とする最初の意味認知指導ベンチマークである。
論文参考訳（メタデータ） (2025-08-13T06:12:43Z)
ArtifactsBench: Bridging the Visual-Interactive Gap in LLM Code Generation Evaluation [51.297873393639456]
ArtifactsBenchは自動ビジュアルコード生成評価のためのフレームワークである。我々のフレームワークは、生成した各アーティファクトをレンダリングし、時間的スクリーンショットを通してその動的な振る舞いをキャプチャする。我々は1,825の多様なタスクの新しいベンチマークを構築し、30以上の主要な大規模言語モデルを評価する。
論文参考訳（メタデータ） (2025-07-07T12:53:00Z)
Learning to Solve and Verify: A Self-Play Framework for Code and Test Generation [69.62857948698436]
大規模言語モデル(LLM)の最近の進歩は、コーディングベンチマークのパフォーマンスを改善している。しかし、手軽に利用できる高品質なデータの枯渇により、改善は停滞している。本稿では,単一モデルのコードとテスト生成能力を共同で改善するセルフプレイ・ソルバ検証フレームワークであるSol-Verを提案する。
論文参考訳（メタデータ） (2025-02-20T18:32:19Z)
ReLearn: Unlearning via Learning for Large Language Models [64.2802606302194]
本研究では、効果的なアンラーニングのためのデータ拡張および微調整パイプラインであるReLearnを提案する。このフレームワークでは、知識レベルの保存を測定するために、知識獲得率(KFR)と知識保持率(KRR)を導入している。実験の結果,ReLearnは高品質な出力を保ちながら,目標とするリセットを実現することができた。
論文参考訳（メタデータ） (2025-02-16T16:31:00Z)
Self-Improvement in Language Models: The Sharpening Mechanism [70.9248553790022]
我々は、レンズを通して自己改善の能力について、新たな視点を提供する。言語モデルは、正しい応答を生成する場合よりも、応答品質の検証が優れているという観察に感銘を受けて、後学習において、モデル自体を検証対象として、自己改善を形式化する。 SFTとRLHFに基づく自己改善アルゴリズムの2つの自然ファミリーを解析する。
論文参考訳（メタデータ） (2024-12-02T20:24:17Z)
CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing [139.77117915309023]
CRITICは、大規模な言語モデルに対して、ツールとのヒューマンインタラクションに似た方法で、自分たちのアウトプットの検証と修正を可能にする。自由形式の質問応答、数学的プログラム合成、毒性低減を含む包括的評価は、CRITICがLLMの性能を一貫して向上することを証明している。
論文参考訳（メタデータ） (2023-05-19T15:19:44Z)

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。