Apple Machine Learning Research ·

Athena：基于中间表示的迭代式支架应用生成环境与大型语言模型的结合

💡 原文英文，约400词，阅读约需2分钟。

📝

内容提要

本文介绍了原型应用生成环境Athena，旨在通过共享中间表示（如应用故事板、数据模型和GUI框架）帮助开发者与大型语言模型（LLM）进行迭代合作，生成完整的用户界面。研究显示，75%的参与者更倾向于使用Athena原型，而非传统聊天机器人原型。

🎯

🔎

Athena通过共享中间表示（如应用故事板和数据模型）来简化用户界面的生成过程。这种方法不仅提高了代码的组织性和结构性，还减少了开发过程中的错误，帮助开发者更高效地与大型语言模型合作。

用户研究显示，75%的参与者更倾向于使用Athena原型而非传统聊天机器人原型。这表明，开发者在原型设计中对工具的直观性和易用性有更高的期望，Athena的设计正好满足了这一需求。

Athena强调了与大型语言模型的迭代合作，这种方法允许开发者在生成用户界面的过程中不断调整和优化。这种灵活性不仅提升了最终产品的质量，也使得开发者能够更好地应对复杂的用户界面需求。

❓

Athena是一个原型应用生成环境，旨在通过共享中间表示帮助开发者与大型语言模型（LLM）进行迭代合作，生成完整的用户界面。

Athena通过使用应用故事板、数据模型和GUI框架等中间表示，帮助开发者与LLM进行迭代合作，从而生成完整的用户界面。

使用Athena可以产生组织良好、结构化的代码，减少错误，并提高开发效率。

用户研究显示，75%的参与者更倾向于使用Athena原型，而非传统聊天机器人原型。

Athena的中间表示包括应用故事板、数据模型和GUI框架。

Athena通过共享中间表示和迭代合作的方式，提供了更结构化的代码生成，而传统聊天机器人原型通常生成单一且难以理解的代码文件。

🏷️