論文の概要: LandingAgent: A Reference-Annotated Dataset and Agentic Generation Framework for Landing Pages

• arxiv url: http://arxiv.org/abs/2608.27902v1
• Date: Fri, 28 Aug 2026 04:15:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 17:16:04.202387
• Title: LandingAgent: A Reference-Annotated Dataset and Agentic Generation Framework for Landing Pages
• Title（参考訳）: LandingAgent: ランディングページのための参照アノテーション付きデータセットとエージェント生成フレームワーク
• Abstract要約: ランディングページは目標指向のWebインターフェースであり、ターゲット固有の価値提案を伝達する必要があります。 そこで,本研究では,新たなターゲットに対して実行可能ページを作成しなければならない目標誘導型ランディングページ生成について検討する。 実際のランディングページをセクションシーケンス、レイアウトパターン、トーン記述子、視覚強調表示、CTA構造に抽象化する参照型データセットであるLandingBenchを紹介した。 本研究では、ターゲットをプロファイリングし、参照誘導ワイヤフレームを構築し、批判誘導研磨によりページを洗練する3相エージェントフレームワークであるLandingAgentを提案する。
• 参考スコア（独自算出の注目度）: 29.651352891869582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Landing pages are goal-oriented web interfaces that must communicate a target-specific value proposition while organizing information flow, visual hierarchy, and calls to action (CTA). Although large language models can generate plausible webpage code from natural-language prompts, direct generation often yields generic templates and unsupported persuasive claims. We study target-grounded, reference-guided landing-page generation, where a system must create an executable page for a new target by adapting reusable patterns from real pages without copying them. We introduce LandingBench, a reference-profile dataset that abstracts real landing pages into section sequences, layout patterns, tone descriptors, visual emphasis, and CTA structure. Building on LandingBench, we propose LandingAgent, a three-phase agentic framework that profiles the target, constructs a reference-guided wireframe, and refines the page through critique-guided polishing. We evaluate LandingAgent against direct prompting on faithfulness, conciseness, readability, aesthetics, and structural diversity. Experiments show improved target grounding, presentation quality, and layout diversity. Code is available at https://github.com/IAURAI/LandingAgent.
• Abstract（参考訳）: ランディングページ(Landing page)は、情報フロー、視覚的階層、行動呼び出し(CTA)を整理しながら、ターゲット固有の価値提案を伝達しなければならない目標指向のWebインターフェースである。 大規模言語モデルは、自然言語のプロンプトからプラウシブルなWebページコードを生成することができるが、直接生成は、しばしば一般的なテンプレートとサポートなしの説得的クレームを生成する。 そこで,本システムでは,実際のページから再利用可能なパターンをコピーすることなく適用することにより,新たなターゲットに対して実行可能なページを作成する必要がある。 実際のランディングページをセクションシーケンス、レイアウトパターン、トーン記述子、視覚強調表示、CTA構造に抽象化する参照型データセットであるLandingBenchを紹介した。 LandingBench上に構築したLandingAgentは、ターゲットをプロファイリングし、参照誘導ワイヤフレームを構築し、批判誘導研磨によりページを洗練する3相エージェントフレームワークである。 我々は,忠実さ,簡潔さ,可読性,美学,構造多様性の直接的促進に対するLandingAgentの評価を行った。 実験では、目標のグラウンディング、プレゼンテーションの品質、レイアウトの多様性が改善された。 コードはhttps://github.com/IAURAI/LandingAgent.comで入手できる。

関連論文リスト

• Generative Archetype-Grounded Item Representations for Sequential Recommendation [45.91194797303667]
  GenAIRは、ジェネレーティブアーキタイプのグラウンドドアイテム表現でシーケンシャルなレコメンデーションを付与する一般的なフレームワークである。 本稿では,実際のインタラクションからの行動信号を明示的に組み込んだ行動校正手法を提案する。 3つの実世界のデータセットで実施された実験は、GenAIRが様々なシーケンシャルレコメンデーションモデルの性能を大幅に改善することを示した。
  論文  参考訳（メタデータ） (2026-06-09T15:59:14Z)
• Bridging the Agent-World Gap: Text World Models for LLM-based Agents [83.8237017249529]
  大規模言語モデル(LLM)ベースのエージェントは、インタラクティブなテキスト環境においてますます使われている。 多くは反応が強く、これらの環境がどのように構成され、どのように進化するかの明確なモデルなしで、観察を行動にマッピングする。 テキストワールドモデル(TWMs): 状態と候補アクションが与えられたら、結果のWebページ、端末出力、API応答、ユーザ応答を予測する。 LLMをベースとしたエージェントのテキストワールドモデルについて,形式的なフレームワークとエージェントライフサイクルを中心に整理し,体系的にレビューを行った。
  論文  参考訳（メタデータ） (2026-06-08T04:58:52Z)
• MM-BizRAG: Rethinking Multimodal Retrieval-Augmented Generation for General Purpose Enterprise Q&A [13.040489131301081]
  MM-BizRAGは文書構造認識スプリットを介して文書構造を積極的に抽出し、表現する。 MM-BizRAGは、最先端のビジョン中心のベースラインを最大32%上回っている。
  論文  参考訳（メタデータ） (2026-06-02T21:31:47Z)
• Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
  レポート生成のためのマルチエージェントハーネスであるPtahを提案する。 Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。 検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T12:40:34Z)
• GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
  我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。 eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。 i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
  論文  参考訳（メタデータ） (2026-05-28T01:05:50Z)
• Enhancing Web Agents with a Hierarchical Memory Tree [35.249218954574424]
  大規模言語モデルに基づくWebエージェントは、先進的な推論と指示によるWebインタラクションの自動化に強い可能性を示している。 歴史的軌跡から抽出された検索ベースのメモリは、これらのエージェントが複雑で長い水平なタスクを処理できるのに対して、現在の手法は目に見えないウェブサイトをまたいだ一般化に苦慮している。 この課題は、サイト固有のアクション詳細と高レベルのタスクロジックを絡み合わせるフラットメモリ構造から生じる。 動作実行から論理的計画を明確に切り離すように設計された構造化フレームワークである階層記憶木(HMT)を提案する。
  論文  参考訳（メタデータ） (2026-03-07T04:07:47Z)
• Connecting the Dots: Training-Free Visual Grounding via Agentic Reasoning [63.109585527799005]
  GroundingAgentは、タスク固有の微調整なしで動作するビジュアルグラウンドティングフレームワークである。 広く使用されているベンチマークでは、平均ゼロショットグラウンドの精度は65.1%である。 また、強い解釈可能性を提供し、各推論ステップを透過的に照らす。
  論文  参考訳（メタデータ） (2025-11-24T03:11:08Z)
• Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
  本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。 DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。 Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
  論文  参考訳（メタデータ） (2025-10-28T14:27:28Z)
• LineRetriever: Planning-Aware Observation Reduction for Web Agents [76.60648750062036]
  ボトムアップ・トランケーションや埋め込みベースの検索といった現在のアプローチでは、ページの状態やアクション履歴に関する重要な情報が失われている。 textitLineRetrieverは、言語モデルを利用して、将来のナビゲーションステップに最も関係のある観測線を特定し、検索する新しいアプローチである。
  論文  参考訳（メタデータ） (2025-06-30T19:24:45Z)
• CAL-RAG: Retrieval-Augmented Multi-Agent Generation for Content-Aware Layout Design [6.830055289299306]
  CAL-RAGは、コンテンツ対応レイアウト生成のための検索拡張エージェントフレームワークである。 我々は、LangGraphを使ってフレームワークを実装し、セマンティック変数に富んだベンチマークで評価する。 その結果,検索強化とエージェント的多段階推論を組み合わせることで,拡張性,解釈性,高忠実度な解が得られることがわかった。
  論文  参考訳（メタデータ） (2025-06-27T06:09:56Z)
• Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
  TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。 我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
  論文  参考訳（メタデータ） (2023-12-21T11:45:28Z)
• Joint Visual Grounding and Tracking with Natural Language Specification [6.695284124073918]
  自然言語仕様による追跡は、自然言語記述に基づくシーケンス内の参照対象の特定を目的としている。 統合されたタスクとしてグラウンドとトラッキングを再構成する統合的な視覚的グラウンドとトラッキングフレームワークを提案する。 本手法は,トラッキングとグラウンドの両方において,最先端のアルゴリズムに対して良好に動作する。
  論文  参考訳（メタデータ） (2023-03-21T17:09:03Z)

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。