UI生成AIに「デザインの方向性」を先に選ばせる手法、arXivで公開

自然言語の指示からUIの画面とフロントエンドのコードを作る、いわゆる「vibe design（バイブデザイン）」エージェントには、出力が一通りに収束しやすいという課題があります。実務では、一つの正しい画面より、方向性の違う複数案を並べて選びたい場面が多くあります。

研究者が査読前の論文を公開するサイト「arXiv（アーカイブ）」に投稿された論文が、この収束をどう崩すかを扱っています。

温度を上げるのは乱暴すぎる

生成のばらつきを増やす定番の手段は、トークン単位の生成温度（temperature、出力の乱雑さを決めるパラメータ）を上げることです。ただしこの操作は、配色やレイアウトといった美的な判断と、構文の正確さが要求されるコードの両方を、同時に揺らしてしまいます。見た目の幅を広げようとすると、動かないコードを引く確率も上がります。

提案されている構成は、探索と実装を分離します。まず前処理として、構造化された「デザイン仕様」の候補を、典型度（typicality）のスコア付きで列挙させます。次に外部のセレクタが、そこから一つを抽出します。最後の生成器は、選ばれた仕様と元の要求を受け取り、設定は固定したままコードと画面を作ります。発想の下敷きとして、論文はVerbalized Sampling（モデル自身に候補を言語化して並べさせる考え方）を挙げています。方針の多様性はモデルの外側で担保し、実装工程は安定させる、という切り分けです。

検証の規模

適用対象は、UIのテーマと、画像などビジュアル素材の生成プロンプトです。168件のプロンプトを用い、介入ごと・温度ごとに1,255組の対比較を行っています。テーマのサンプリングによって、選ばれるデザインの範囲とスクリーンショットの見え方の幅が広がったと報告されています。一方で、大規模言語モデル（LLM）に優劣を判定させた場合の好みは、介入の種類、指示の複雑さ、表示領域の大きさによって変動したとのことです。さらに30万件を超えるタスクを対象としたオンライン実験も実施されています（公開されている要旨は途中で途切れており、その結果の詳細は確認できません）。

デザインツールにとっての含意は、「多様性はモデルの温度で買うものではなく、工程の設計で作るもの」という点にあります。案出しと清書を別の工程に分けるのは、人間の制作現場では当たり前の手順です。それを推論の構造に持ち込んだ形といえます。

手元で試すなら

ここから先は論文の主張ではなく、同じ考え方を普段の作業に移すとどうなるか、という話です。

要点は、コードを書かせる前に方向だけを言葉で並べさせることにあります。「作って」と頼めばモデルは無難な一案を返しますが、「案を5つ並べて」と頼めば、3案目以降は無難なところから離れざるを得なくなります。最初から複数を要求することが、平均から外れる圧力になるわけです。

このUIのデザインの方向性を5案、それぞれ2行で説明して。
まだコードは書かないで。

選んでから「3番でコードを書いて」と渡します。工程を分けることが肝で、一度に頼むと結局ひとつの案に寄ります。

論文が典型度のスコアで行っている選別も、指示の中で段階を切らせれば近いことができます。

5案出して。1番はいちばんありふれた定番、5番は誰もやらないような案。
あいだは段階的に。

こうすると後半に、自分の想定の外が集まります。漠然と「変わった案を」と頼むより遠くまで届きます。

参考画像を渡す操作との違いも、押さえておく価値があります。サンプルは行き先を指定する道具なので、狙った一案に近づける精度は上がりますが、渡した見本に寄るだけで、想定の外は出てきません。逆に、行ってはいけない場所を指定すると、行き先を決めないまま今いる場所から押し出せます。

角丸を使わない。カードを並べるレイアウトにしない。
中央揃えを使わない。

散らしたいときに効くのは、サンプルではなく後者です。

もう一段離すなら、UIの外側の語彙を持ち込む手もあります。UIの言葉で頼むかぎり、モデルは「UIらしさ」の中心に引き寄せられます。音楽や印刷物の語彙を混ぜると、その重力から抜けやすくなります。

ダブの音響みたいに、余白に残響が残る画面にして

出典: arXiv:2609.15078v1「Enabling Creative Exploration for Vibe Design Agents」（arXiv cs.AI）