本文探讨了如何利用自动反馈（编译器和多模态模型）指导大型语言模型（LLMs）生成高质量用户界面代码。研究通过自生成合成数据集并应用自动化工具进行筛选和评分，改进了原有LLM。结果显示，改进后的模型在性能上优于其他基线模型，接近大型专有模型的表现。

该研究提出了一种新方法，通过自动反馈系统在语言模型生成过程中提供持续反馈，提升模型表现，无需人工标签，解决了大规模奖励机制的挑战。