苹果新 AI 论文：微调 Qwen3-Coder，生成 UI 能力逆袭 GPT-5

2 月 6 日消息，科技媒体 9to5Mac 今天（2 月 6 日）发布博文，报道称苹果公示最新 AI 研究论文，利用生成式 AI 优化 App 界面（UI）开发，经过特定方法微调的 Qwen3-Coder 模型，在 UI 生成能力上击败了 GPT-5。

援引博文介绍，该论文由苹果 UICoder 团队发表，主要是探索生成式 AI 如何更高效地融入 App 开发流程。

论文指出目前主流的“人类反馈强化学习”（RLHF）并不适合 UI 设计领域。传统的 RLHF 通常要求人类对 AI 生成的结果进行简单的“点赞 / 点踩”或排序。

然而，这种二元评价体系忽略了设计背后的复杂逻辑，也无法体现设计师的工作流。简单来说，AI 只知道“这个不好”，却不知道“哪里不好”或“怎么改才好”。

苹果为了解决上述问题，招募了 21 位拥有 2 至 30 年经验的专业设计师参与实验。不同于以往的打分模式，设计师需要直接通过撰写评论、绘制草图甚至直接修改代码来优化 AI 生成的界面。

团队收集了 1460 条此类深度注释，并将“修改前”与“修改后”的对比数据输入到一个奖励模型中。该模型通过学习截图和自然语言描述，学会了像人类设计师一样判断 UI 的美观度与功能性。

实验数据显示，基于“草图反馈”训练的模型表现最为优异。令人惊讶的是，仅依靠 181 个草图注释进行微调，该模型就实现了对 GPT-5 的超越。研究团队表示，这证明了“少而精”的专家级反馈能让小参数模型在特定领域展现出超越大模型的潜力。

研究还揭示了一个关键现象：设计审美具有高度主观性。在单纯的排序任务中，研究人员与设计师的观点一致率仅为 49.2%，几乎等同于抛硬币。

然而，当设计师通过草图或直接编辑来表达意图后，双方的一致率分别飙升至 63.6% 和 76.1%。这表明，在定义“什么是更好的设计”时，具体的视觉修改（Show）远比抽象的评分（Tell）更具共识价值，这也是未来 AI 辅助设计工具进化的核心方向。

参考

苹果官网：Improving User Interface Generation Models from Designer Feedback

arxiv:Improving User Interface Generation Models from Designer Feedback