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
Os agentes de codificação front-end são geralmente classificados com base em uma pergunta: o alvo solicitado foi construído. As mudanças de engenharia reais carregam uma segunda obrigação, porque o resto do site tem que continuar trabalhando. Nós chamamos essa segunda obrigação de continuidade do site, e introduzimos o ProductWebBench, um benchmark que atinge ambos os repositórios front-end vivos: 320 Mudança de tarefas sobre o código existente e 80 tarefas de construção de longo horizonte. Cada tarefa congela uma imagem instantânea do repositório, requisitos de estágio, evidências do navegador e verificações deterministas antes da avaliação, e entra apenas uma vez que uma referência passa cada verificação e plausível.
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