大型語言模型和編碼代理常用於用户界面開發，但準確評估其視覺與交互設計能力仍具挑戰。現有方法或依賴人工專家（準確但緩慢昂貴），或採用自動化評判（可擴展但不夠準確且不透明）。為此，我們提出 FlowEval，一種基於參考的評估框架，通過比較真實網站與生成界面的導航軌跡，衡量生成的 UI 是否支持真實交互流程。

蘋果機器學習研究團隊提出MT-EditFlow，一種基於流匹配的多輪圖像編輯框架，通過強化學習微調擴散模型，解決現有單輪編輯模型在多輪交互中的失敗問題，如“全或無”要求和誤差傳播。