MM-WebAgent：一种用于网页生成的分层多模态 Web 智能体

AIGC 工具的进步使按需创建网页元素成为可能，但直接集成常导致风格不一致和全局连贯性差。为此，本文提出 MM-WebAgent，一种用于多模态网页生成的分层智能体框架。该框架通过分层规划和迭代自我反思，协调基于 AIGC 的元素生成，联合优化全局布局、局部多模态内容及其整合，从而生成连贯且视觉一致的网页。此外，文章引入了多模态网页生成基准及多级评估协议。实验表明，该方法在多模态元素生成与整合方面优于现有基线。