InteractWeb-Bench：マルチモーダルエージェントは対話型Webサイト生成で「ブラインド実行」を脱出できるか？

要旨: マルチモーダル大規模言語モデル（MLLM）やコーディングエージェントの進展により、ウェブサイト開発は手動プログラミングから、エージェントによるプロジェクト単位のコード合成へと移行してきました。既存のベンチマークは、特に整っており情報量の多い入力や静的な実行設定といった、理想化された前提に依存しています。これに対し、実世界の開発は重要なボトルネックによって制約されます。それは、非専門ユーザからの曖昧で低品質な指示とモデルの理解との間に生じる意味の不整合であり、これが私たちが「ブラインド実行」と呼ぶ失敗モードを引き起こします。このギャップに対処するために、InteractWeb-Bench を提案します。これは、非専門の低コードユーザ条件下でのウェブサイト生成を対象とした、初のマルチモーダルなインタラクティブベンチマークです。InteractWeb-Bench では、要件工学の欠陥タクソノミに基づいて、曖昧さ、冗長さ、矛盾を含む多様なユーザ行動を体系的に模擬するために、4種類のユーザエージェントと、ペルソナに基づく指示の擾乱を導入します。さらに、エージェントのためのインタラクティブ実行環境を開発します。この環境は、Clarify、Implement、Verify、Submit からなる統一された行動空間を備えており、意図の反復的な洗練、コード合成、ならびに視覚的なフィードバックに基づく検証を可能にします。大規模な実験と分析の結果、最前線の MLLM ベースのエージェントでさえブラインド実行に閉じ込められており、意図の認識と適応的な対話に関する限界が明らかになりました。