IWC-Bench用真实交互与代码覆盖率评估AI生成网页应用

研究团队发布 IWC-Bench，从软件测试视角评估 AI 生成网页应用。该基准收录369项真实世界需求和5088条验收标准，并通过代码覆盖率引导的 Agent 探索应用状态。

论文报告称，其自动评估在197个验证会话中与人类偏好达到85.3%一致率；这些结果属于作者在论文设定下的实验结论。

参考：arXiv