前不久,Apple内部团队发布了一篇让人振奋的研究。他们招募了21位专业设计师——这些人有的有2年经验,有的已经在行业里摸爬滚打了30多年。他们来自不同的设计领域:UI/UX设计、产品设计、服务设计,有的每周都要主持好几场设计评审,有的则负责从零到一打磨产品的视觉体验。
研究团队给他们看AI生成的界面,然后让他们用最熟悉、最自然的方式提意见:
画草图(Sketching):直接在界面上圈出问题区域,画框、画箭头、标重点写评论
(Commenting):用自然语言说明哪里需要改,为什么要改直接改
(Revising):用Sketch软件把界面改成理想的样子打分排名
(Ranking):从两个设计里选一个更好的(这是传统方法)你可能会说,这不就是传统的"人类反馈"吗?RLHF早就有了啊。
但这里有个关键区别——这不是机械式评分,而是设计师带着他们的经验、草图和直觉在引导AI。
论文里其实透露了一个特别接地气的细节:Apple最初用的基础模型是Qwen2.5-Coder 32B,原因简单到让人想笑——"它是当时最强的、能塞进单张GPU的开源代码模型"。微调后的Qwen3-Coder在所有测试中表现最佳,甚至超过了GPT-5。##