苹果论文又炸场！Qwen3-Coder 被“特调”后，UI 生成能力竟超越了 GPT-5？

谁说“小模型”不能打败“大巨人”？近日，苹果UICoder团队发布了一篇震撼 AI 界的最新研究论文，展示了他们如何通过“魔改”开源模型，在特定领域实现对顶尖大模型的逆袭。

这次，苹果瞄准的是所有开发者都头疼的 UI（界面）开发。

目前 AI 生成代码虽然厉害，但在 UI 设计上往往表现平平。原因很简单：传统的“人类反馈强化学习”（RLHF）太粗糙了。以往 AI 学习设计，就像是在听设计师说“这个界面不行”，但 AI 根本不知道哪里不行，也不知道怎么改。

为了调教出“审美在线”的 AI，苹果请来了 21 位资深外援。

这些拥有 2 到 30 年经验的设计大咖不再只是简单地打分，而是撸起袖子直接下场：写评论、画草图、改代码。苹果团队收集了 1460 条这种带有深度逻辑的专家注释，并据此构建了一个专门的奖励模型。

令人惊叹的结果出现了：微调后的 Qwen3-Coder 战胜了 GPT-5。

实验数据显示，仅仅依靠 181 个高质量的“草图反馈”进行微调，这个原本参数并不算巨量的模型，在生成 App 界面的能力上直接把GPT-5给超了。这再次印证了一个道理：在 AI 训练中，专家级的“少而精”反馈，远比海量的普通数据更具杀伤力。

研究还扎心地揭示了一个真相：审美真的主观。

研究发现，普通人和专业设计师在判断一个界面好不好看时，观点一致率竟然只有 49.2%，跟抛硬币没区别。但一旦设计师通过“画草图”表达了具体修改意图，一致率会瞬间飙升至 76.1%。这意味着，未来的 AI 设计工具不再是盲目猜测你的喜好，而是能真正听懂你的视觉语言。

如果苹果真的将这项技术植入 Xcode，或许“一句话生成精美 App”的时代真的不远了。