Jiajun Wu, Jian Yang, Yaxin Du, Shukai Liu, Linzheng Chai, Tuney Zheng, Wei Zhang, Haitao Yang · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31118 · open-access PDF
عادةً ما يتم تصنيف مصممين مكالمات Frontend على سؤال واحد: هل تم إنشاؤ الأهداف المطلوبة؟ التغيرات الهندسية الحقيقية تتحمل مسؤولية ثانية، لأنه يتعين على بقية الموقع الاستمرار في العمل. نحن نسمي ذلك متابعة الموقع الالكتروني الالكتروني الالكتروني الالكتروني الالكتروني، ونأتي إلى ProductWebBench، علامة مرجعية تظهر على كل من المكاتب Frontend الحية: 320 وظائف التغيير على الكمبيوتر الحالي و 80 وظائف البناء لفترة طويلة.
Machine translation (Meta M2M100); the English original follows.
Frontend coding agents are usually graded on one question: did the requested target get built. Real engineering changes carry a second obligation, because the rest of the site has to keep working. We call that second obligation website continuity, and introduce ProductWebBench, a benchmark that scores both on living frontend repositories: 320 Change tasks over existing code and 80 long-horizon Build tasks. Every task freezes a repository snapshot, staged requirements, browser evidence and deterministic checks before evaluation, and enters only once a reference passes every check and plausible-
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31118, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange