ScreenProof 提出无参考 UI 缺陷检测基准与 ProofJudge 模型
原文标题：ScreenProof: Where Is This Screen Wrong? Finding UI Faults Without a Reference
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 ScreenProof，要求模型在无参考设计图情况下框出截图中的 UI 缺陷，涵盖通用、局部样式与文字排版三类。基于 Qwen3.5-9B 微调的 ProofJudge 取得最高 F1 0.48，且是唯一在干净页面上误报率低于 15% 的判定器，成本约为 Gemini 4 Argon 的百分之一。
深读 · 结论先行AI 生成展开看要点与影响 ↓
无参考 UI 缺陷检测中，微调 Qwen3.5-9B 的 ProofJudge 以 F1 0.48 居首，成本约为 Gemini 4 Argon 的百分之一。
- •任务要求不给设计稿，直接在截图上框出通用、局部样式、文字排版三类缺陷。
- •前沿模型不可靠：在干净真实截图上误报 18%–62%，干净生成页面上误报 18%–82%。
- •ProofJudge 是唯一在干净页面误报率低于 15% 的判定器（真实 2%、生成 9%）。
- •F1 对比：ProofJudge 0.48，Gemini 4 Argon 0.37，开源模型最高 0.15。
为什么重要：对生成式 UI 的自动化质检，低成本小模型在「不误报干净页面」这一关键属性上反而优于前沿大模型。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
蚂蚁灵波发布 LingBot-Touch 触觉基础模型并开源
AI 摘要蚂蚁灵波发布 LingBot-Touch 触觉基础模型，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉与压阻式三类传感原理，可将不同信号统一为同一套触觉表征。该模型补齐机器人精细操作所需的触觉感知，技术报告、模型与代码已在 Hugging Face、GitHub 和魔搭开源。
谷歌发布 Gemini Omni 1.2 Flash 视频模型，单段时长增至 15 秒
AI 摘要谷歌推出 AI 视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，较上一代提升 50%，并新增多轮对话式编辑能力。新模型增强了对参考内容的遵循，可在多镜头间保持角色、物体与场景一致性，减少视觉漂移。
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。