PlayCoder: LLM이 생성한 GUI 코드를 플레이 가능하게 만들기

연구진이 43개 다국어 GUI 앱으로 구성된 벤치마크 PlayEval을 공개하고, end-to-end 실행 가능성을 평가하는 Play@k와 PlayTester를 제안했다.

최신 코드 LLM들은 코드는 잘 컴파일하지만, 상호작용 흐름과 상태 전이를 제대로 처리하지 못해 논리적으로는 자주 실패하는 것으로 나타났다.

이를 개선하기 위해 제안된 PlayCoder는 여러 에이전트가 반복적으로 생성·평가·수정하는 방식으로 GUI 코드를 보완해, 실제 동작 품질을 높였다.

이 연구는 기존 코드 생성 평가가 놓치던 인터랙티브 앱의 논리 버그를 더 잘 잡아내는 기준과 수정 프레임워크를 제시한다.