Tại sao bây giờ AI viết frontend lại mạnh mẽ như vậy, đoạn giới thiệu trong bài báo MiMo của Xiaomi đã trình bày cách họ huấn luyện mô hình viết frontend, điểm mấu chốt là câu này: "Bộ xác thực dựa trên thị giác của chúng tôi đánh giá hiệu suất của các đoạn video đã ghi lại, tổng hợp đánh giá chất lượng hình ảnh, độ chính xác chức năng và khả năng thực thi, từ đó đảm bảo cơ chế thưởng có thể đồng thời cân nhắc giữa hiệu suất hình thức và hiệu quả hành vi." Nguyên lý là mô hình viết mã theo prompt sau đó sử dụng Playwright để thao tác ghi lại thành video, sau đó, giao cho một bộ xác thực hình ảnh (nên là một mô hình hiểu video được huấn luyện chuyên biệt) để chấm điểm, nhằm cung cấp tín hiệu thưởng.