#批评器

arXiv 论文：WebLoop 执行接地循环学习用于网页生成

论文提出 WebLoop 框架，在共享策略中联合学习生成、批评与精炼，训练无执行批评器以提供需求级判别与下游有用性信号。基于 Qwen3.5-9B，WebLoop 在 WebRise 达 41.5 分、WebGen-Bench 达 38.9% 准确率，较基座模型分别提升 11.3 与 15.4 分。