為什麼現在 AI 寫前端一下子這麼強了，小米的 MiMo 論文的這段介紹了他們如何訓練模型寫前端的，關鍵是這句： 我們的基於視覺的驗證器通過對錄製的視頻片段執行情況進行評分，綜合評估視覺質量、功能準確性和可執行性，從而確保獎勵機制能夠同時兼顧外觀表現與行為效果。 原理上就是模型根據 prompt 寫好代碼後再用 Playwright 操作錄製成視頻，然後，交給一個視覺驗證器（應該是一個專門訓練的視頻理解模型） 進行打分，以提供獎勵信號。