저자들은 Vision-Language Model(VLM)이 웹 코드의 결정론적 세계 모델로서 브라우저를 자율적으로 상호작용할 수 있는 인터페이스인 WebWorld를 제시합니다. 이 접근 방식은 모델이 자신의 수정을 스스로 평가하는 VML 기반 자기 개선의 구조적 결함을, 속일 수 없는 상대방을 도입하여 해결합니다.

  • VLM은 상호작용 계약으로 컴파일된 비판을 생성하며, 브라우저는 대상 진전도 및 기능 보존에 기반해 승인 증서를 발급하기 위해 이를 재실행합니다.
  • 인증된 전이는 Supervised Fine-Tuning(SFT) 내보내기를 위한 품질 래처로 축적됩니다.
  • WebWorld-27B은 HTMLBench-400에서 Raw-27B 대비 5.3점, MiniAppBench-Val에서 14.9점 향상됩니다.
  • 시스템은 대화형 HTML 생성에서 Kimi-K2.6 및 GPT-5.4와 비교 가능한 성능 수준에 도달합니다.
  • 아블레이션 분석은 브라우저 기반 승인이 개선의 원인임을 확인하며, 증서를 제거하면 상승분이 거의 사라집니다.

이 방법은 사용자 작업 하에서 웹 코드가 실제로 작동함을 보장하는 엄격한 검증 루프를 제공합니다.