议题定位
本议题关注多模态大模型在网页生成、网页审美评价与网页代码修复中的能力边界。它不再问「模型能不能生成好看的网页」或「模型能不能评价网页好不好看」，而是往下追问一串更难的问题：
模型到底看到了什么？它能否具体定位问题？这些问题是否真实存在？人类是否能感知并认可这些判断？模型能否继续追溯到 HTML、CSS、资源或交互根因？修复之后，页面是否真的改善，而不是只在模型自己的评价里变好了？
研究的核心对象是一台位于网页生成之后的「诊断机」，它有九个环节：
网页生成 → 模型开放观察 → 页面证据定位 → 人类感知验证
→ 严重度判断 → 代码/设计根因 → 可执行修改 → 自动回归 → 独立人类后测整个研究可以用一句话概括：不是让模型在生成前遵守更多审美规则，而是研究如何让模型在生成后更准确地发现问题、证明问题、解释问题并支持可靠修复。
四个核心假设
假设一 · 前置评价框架可能压缩生成空间
把五维评价框架、审美指标或过度具体的提示约束直接放进生成阶段，可能导致模型优先满足显式要求，注意力集中于规定维度，框架外的探索减少，页面结构或风格趋同。这目前是机制假设，不是已被严格证明的因果结论。
假设二 · 后置诊断比前置约束更适合连接生成与评价
要验证的是：开放生成 → 后置诊断 → 人类验证 → 修复反馈，这条链能否在不压缩生成开放性的前提下提高网页任务完成度。换句话说，评价框架更适合用于生成之后的比较、编码、诊断与反馈，而不是直接当作生成阶段的强制模板。
假设三 · 诊断颗粒度与人类感知对齐是两个不同的构念
| 诊断颗粒度 | 人类感知对齐 | 类型 |
|---|---|---|
| 低 | 低 | 空泛且缺乏真实依据 |
| 低 | 高 | 判断方向正确但不可行动 |
| 高 | 低 | 高分辨率伪诊断 |
| 高 | 高 | 可验证、可复核、可行动的有效诊断 |
右上角那一格是本研究最关心的风险：模型说得越细，不等于它看得越对。
假设四 · 低颗粒度输出可能包含表达瓶颈
不能直接断言「模型内部已有更精确的审美表征，只是没说出来」。更谨慎的问法是：模型的粗略表述从哪来？可能是视觉感知不足、页面证据定位不足、设计归因不足、访问 HTML/CSS 的能力不足，也可能是面向人类解释时主动压缩、模型认为用户只需要结论，或者输出任务本身诱导它使用抽象概念。后续将通过不同输出诱发条件做间接比较，而不是直接宣称模型内部状态。
当前进展
研究已经从一个单案例，发展为两个相互关联但不合并统计的证据侧：生成侧的约束条件实验，与评测侧的跨模型网页诊断实验。两侧纳入同一篇论文和同一研究框架，但研究问题与估计量各自独立。
展开：已完成的工作清单 — 评测侧探索性案例、收敛验证准备、生成侧实验
已完成
评测侧探索性案例：整理了一份 2013 年的原始材料与多个模型的网页重译结果；整理了几个主流模型的视觉评价与对话记录；完成模型审美判断、问题诊断、根因推理与修复建议的初步标注；补齐 24 条试标数据的对象字段；区分了模型评审原文与派生评估报告；建立了视觉发现、代码根因与修复回归的分层分析，以及自动回归、人类独立后测、盲化解盲与字段来源审计流程。
收敛验证准备：统一 Prompt、冻结 4 个候选网页、3 个评审模型 × 4 个候选网页共 12 条运行矩阵、运行记录与元数据模板、候选源文件核验、运行前预检——全部就绪。
生成侧实验：A/B 条件下 12 个页面已生成并统一渲染，5 项硬检查共 60 项中 59 项通过；C 类作为探索性条件登记。
还没做到的（照实说明）
收敛验证协议准备好了，但模型侧的 12 条原始观察尚未执行，打分也尚未开始。生成侧同样不能宣称「五维框架已经导致约束税」或「开放 Prompt 必然优于前置框架」——A/B 盲评结果尚未完全回收，C 类同时改变了多个提示与交付条件、元数据完整性不足。当前证据主要证明的是：生成与交付的检查链已经建立。
展开：初步观察 — 模型间的宏观判断与诊断路径差异、颗粒度局限、抽象概念的风险、与人类感知的不稳定对齐
初步观察
模型之间可能有相近的宏观审美判断，但诊断路径不同。不同模型可能都说页面模板化、缺乏品牌感、视觉平衡不足、缺乏作者性，但它们指出的位置、视觉证据、严重度、原因解释和修改策略并不一致。所以模型差异不只在结论上，也在于它关注什么、如何组织观察、能否定位证据、能否连到根因。
纯视觉评价的诊断颗粒度仍然有限。模型常常停在「宏观结果 → 抽象形容词 → 直接结论」，而没有走完「视觉现象 → 页面位置 → 结构证据 → 设计影响 → 代码根因 → 可执行修改」。「页面缺乏呼吸感」这个判断本身可能有方向性，但如果不说清哪个区域、是间距还是密度还是层级、有什么视觉证据、对理解或品牌感知有什么影响、应该怎么改，它就还不算可执行诊断。
模型倾向用抽象审美概念直接下判断——作者性、模板化、呼吸感、粗粝感、视觉张力、高级感、品牌感。这些词不一定错，但需要继续验证：人类能否稳定感知这个概念？人类是否认为这个差异重要？不同评审者能否指向相近的证据？该概念能否转化为工程修改？否则，多个模型共用同一个概念，并不代表它们形成了真实的视觉共识，也可能只是共享了相近的设计评论修辞。
模型判断与人类感知之间存在不稳定对齐。模型认为重要的问题人类未必认为同样严重；模型可能发现人类不易主动描述的细节；模型的自评、自修复、自解释不能替代独立的人类后测；局部目标改善不等于整体页面净收益；自动测量正确不等于协议测量对象正确。
因此研究目前不宣称「模型已具备稳定的人类等价审美能力」，而是更谨慎地认为：模型已经能产生一定程度的网页审美判断表述，但这些判断是否有真实感知基础、足够诊断颗粒度和稳定的人类价值对齐，仍需进一步验证。
展开：方法路径 — 生成侧约束条件实验、评测侧五个阶段、数据纪律
方法路径
生成侧：约束条件实验
研究问题是：生成阶段前置五维评价框架，是否会影响模型的生成开放性、页面差异性与任务完成度？条件为 A 类自然 brief 开放生成、B 类自然 brief 加五维框架（A/B 是主要对照），C 类是探索性的自由或改写条件，不是严格的单变量条件。
分析对象不只是「好不好看」，而是分层记录任务完成度、信息完整性、视觉差异性、结构趋同性、页面硬错误、响应式表现、交互与资源稳定性、以及人类盲评偏好。
评测侧：五个阶段
阶段 A · 开放式视觉问题发现。用不带评价框架的统一开放 Prompt 让模型自行观察，输出发现的问题、所属对象、页面位置、视觉证据、可能影响、严重度、置信度，以及是否需要代码进一步验证。关键在于不提前告诉模型该从哪些审美维度观察——否则测的就是模型对框架的遵循能力，而不是它自己的关注点。
阶段 B · 建立人类参考集。由人类评审者独立判断。参考集不被视为绝对真值，而是记录多数人能感知的问题、人类认为重要的问题、人类对严重度的判断、评审者之间的分歧，以及人类暂时无法确认的模型独有发现。
阶段 C · 诊断颗粒度编码。模型的每条诊断被拆成原子主张，逐项编码：是否有明确对象、是否有明确位置、是否描述可见现象、是否区分现象与影响、是否有证据支持、是否能定位代码或设计根因、是否能形成可执行修改。颗粒度不按输出字数衡量，而按诊断链的完成程度衡量。
阶段 D · 代码辅助根因分析。只有在视觉问题被识别之后才进入代码分析。模型可以查看 HTML、CSS、DOM 结构、资源文件、响应式规则、字体配置与交互状态。这一步的任务不是重新评价页面，而是判断：视觉问题是否存在对应的设计或代码根因。
阶段 E · 修复与回归。针对已确认的问题修复，然后依次做自动回归、统一渲染、独立人类后测、副作用记录与最终交付接受度判断。分析目标问题是否改善、是否产生副作用、整体页面是否变差、修复是否可接受、局部修复是否带来净收益。
数据纪律
每条模型诊断尽量拆成结构化字段（对象、视图、位置、视觉观察、审美解释、影响、严重度、证据、根因、行动性、人类确认、人类严重度、验证状态），并且必须标明每个字段的来源：模型原文、研究者预填、人类输入、盲评、解盲后派生、研究者裁决。四条底线：
模型自评 ≠ 人类独立后测
模型发现 ≠ 人类确认
预填字段 ≠ 最终裁决
局部修复 ≠ 整体质量改善可以怎么参与
这个议题的参与门槛比多数 AI 研究低——最主要的一类角色只需要你会看网页、有基本的视觉判断力。
展开：五种参与形式分别做什么、适合谁
| 形式 | 做什么 | 适合的人 |
|---|---|---|
| A · 网页视觉评审 | 看网页或截图，判断是否存在问题、问题在哪、是否影响质量、严重度如何、哪个版本更好、是否愿意接受为最终交付 | 设计师、产品与视觉设计师、用户体验研究者、前端开发者，以及有网页审美判断经验的人 |
| B · 模型诊断文本标注 | 读模型的评价或对话记录，标注诊断对象、页面位置、可见证据、抽象审美概念、现象与影响是否区分、有无根因推理、是否具行动性、是否可能是高分辨率伪诊断 | 研究助理、设计研究者、HCI 研究者、前端开发者，以及有文本标注经验的人 |
| C · 代码根因复核 | 同时看页面渲染结果与 HTML/CSS，复核模型指出的代码问题是否真实存在、能否解释视觉现象、修改是否可执行 | 前端工程师、网页开发者、熟悉 HTML/CSS 的设计工程师 |
| D · 独立盲测评审 | 在不知道模型来源、版本名称与修复方向的情况下做 A/B 比较，判断总体优劣、目标问题是否改善、有无副作用，以及自己的判断信心 | 有网页阅读经验的普通用户、设计师、产品经理、独立外部评审者 |
| E · 研究协议与数据治理 | 整理实验材料、维护文件与版本、核查元数据、管理哈希、检查盲化状态、维护运行记录、记录实验异常 | 研究助理、实验管理员、数据标注员，以及有基础脚本能力的人 |
现在最缺 A 与 D。下一步要执行 3 个模型 × 4 个候选网页的 12 条开放观察，这批数据出来之后立刻需要人类参考集与盲测评审——没有独立的人类判断，模型侧的观察就没有可对照的东西。
展开：参与前提 — 网页与视觉基础、基础实验方法、数据标注能力，以及不要求什么
参与前提
网页与视觉基础
需要理解网页基本结构、HTML 与 CSS 的关系、响应式布局、Flex / Grid 与容器宽度、字体字重行高字间距、色彩对比度与层级、视觉平衡密度留白对齐，以及基本交互状态。不要求能独立开发复杂网站，但需要能回答两个问题：这个现象发生在页面哪里？它可能由什么视觉或结构因素造成？
基础实验方法
需要理解实验条件与对照关系、单变量与多变量条件、盲化与解盲、原始数据与派生数据、预填字段与最终裁决、观察与解释与因果推断的区别，以及一条底线：不能把单个案例的观察直接写成普遍结论。
基础数据标注能力
需要能按字段逐条填写、保留原始文本、不擅自改写模型输出、区分模型陈述与自己的判断、给出证据位置、把「不确定」或「无法确认」明确标出，以及记录评审分歧而不是强行消除分歧。
不要求的
不要求模型训练经验、深度学习框架经验、大规模数据工程经验或高级数学统计背景。如果只承担人类视觉盲测，具备网页阅读能力与基本视觉判断力就够了；承担代码根因复核则需要额外的 HTML/CSS 基础。有帮助但非门槛的：HCI 与用户体验评价、设计研究方法、多模态模型原理、Prompt 设计、LLM-as-a-Judge、基础统计、Krippendorff's alpha、精确率与召回率、浏览器开发者工具、Python / JSON / CSV、Git。
展开：研究纪律 — 不把抽象词当证据、不把模型共识当人类真值、不用模型验证自己等四条
研究纪律
- 不把抽象词汇直接当作证据。「缺乏呼吸感」「不够高级」「品牌感不足」可以作为模型原始表述保留，但标注时必须继续追问：具体表现在哪里？人类是否能看到？哪个元素或区域造成了这种感受？是否影响理解、浏览或品牌表达？能否转化为修改？
- 不把模型共识当作人类真值。多个模型都说「模板化」，只能说明模型之间出现了相近的判断或修辞，不能证明人类也一定能感知、该判断一定真实、问题一定重要。
- 不用模型自己验证自己。「模型发现问题 → 同一模型修复 → 同一模型评价修复成功」这条链不能单独作为结论，必须尽可能加入统一渲染、独立自动测量与独立人类后测。
- 不擅自扩展研究维度。当前优先验证诊断颗粒度与人类感知对齐这两个构念，在它们尚未验证之前，不建议继续增加大量新的评价维度或模型条件。
怎么开始
如果你选 A 或 D，几乎可以立刻开始——拿到几个候选页面，按协议独立判断并记录，不需要任何前置搭建。如果你选 B 或 C，会先给你一份已完成的标注样例和字段说明，从复核一条已有诊断入手。研究框架、协议文档与实验材料会在联系后提供。