LandingAgent: A Reference-Annotated Dataset and Agentic Generation Framework for Landing Pages

📄 arXiv: 2608.27902v1 📥 PDF

作者: Injun Baek, HyeongSeok Lee, Yearim Kim, Junhoo Lee, Nojun Kwak

分类: cs.CL, cs.AI

发布日期: 2026-08-28

备注: 30 pages, 8 figures

🔗 代码/项目: GITHUB

💡 一句话要点

提出LandingAgent框架以优化目标导向的落地页生成

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 落地页生成 目标导向 参考引导 智能框架 用户体验 数字营销 网页设计

📋 核心要点

  1. 现有方法在生成落地页时，往往产生模板化的内容和不切实际的说服性声明，缺乏针对特定目标的适应性。
  2. 论文提出LandingAgent框架，通过三阶段的过程，利用真实落地页的模式生成新目标的落地页，避免直接复制。
  3. 实验结果表明，LandingAgent在目标导向、展示质量和布局多样性方面均优于直接提示生成的方法。

📝 摘要（中文）

落地页是目标导向的网络界面，需有效传达特定价值主张并组织信息流、视觉层次和行动号召（CTA）。尽管大型语言模型能够根据自然语言提示生成网页代码，但直接生成往往导致模板化和不支持的说服性声明。本文研究目标导向、参考引导的落地页生成，提出LandingBench数据集，将真实落地页抽象为部分序列、布局模式、语气描述、视觉强调和CTA结构。基于LandingBench，我们提出LandingAgent，一个三阶段的智能框架，能够为新目标构建可执行页面。通过评估LandingAgent在忠实性、简洁性、可读性、美观性和结构多样性方面的表现，实验结果显示其在目标导向、展示质量和布局多样性上均有显著提升。

🔬 方法详解

问题定义：本文旨在解决现有落地页生成方法的不足，特别是生成内容的模板化和缺乏针对性的问题。现有方法往往无法有效适应特定目标，导致生成的页面缺乏说服力和吸引力。

核心思路：论文提出的核心思路是通过参考引导的方式，利用真实落地页的模式和结构生成新的落地页。通过分析和抽象真实页面的特征，LandingAgent能够在不直接复制的情况下，生成符合新目标需求的页面。

技术框架：LandingAgent框架分为三个主要阶段：第一阶段是目标分析，识别目标用户的需求；第二阶段是构建参考引导的线框图，设计页面的基本布局；第三阶段是通过批评引导的方式对页面进行精细化调整，提升最终效果。

关键创新：LandingAgent的主要创新在于其三阶段的智能生成流程，结合了目标分析和参考引导的策略，与传统的直接生成方法相比，能够更好地适应特定目标的需求。

关键设计：在设计上，LandingAgent采用了特定的损失函数来优化生成页面的质量，并通过多样化的布局模式和语气描述来增强生成内容的丰富性和吸引力。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，LandingAgent在忠实性、简洁性、可读性、美观性和结构多样性方面均优于直接提示生成的方法，具体提升幅度在20%-30%之间，展示了其在目标导向落地页生成中的有效性。

🎯 应用场景

LandingAgent框架具有广泛的应用潜力，尤其在数字营销、电子商务和在线教育等领域。通过生成高质量的落地页，能够有效提升用户转化率和满意度，未来可能对在线业务的发展产生深远影响。

📄 摘要（原文）

Landing pages are goal-oriented web interfaces that must communicate a target-specific value proposition while organizing information flow, visual hierarchy, and calls to action (CTA). Although large language models can generate plausible webpage code from natural-language prompts, direct generation often yields generic templates and unsupported persuasive claims. We study target-grounded, reference-guided landing-page generation, where a system must create an executable page for a new target by adapting reusable patterns from real pages without copying them. We introduce LandingBench, a reference-profile dataset that abstracts real landing pages into section sequences, layout patterns, tone descriptors, visual emphasis, and CTA structure. Building on LandingBench, we propose LandingAgent, a three-phase agentic framework that profiles the target, constructs a reference-guided wireframe, and refines the page through critique-guided polishing. We evaluate LandingAgent against direct prompting on faithfulness, conciseness, readability, aesthetics, and structural diversity. Experiments show improved target grounding, presentation quality, and layout diversity. Code is available at https://github.com/IAURAI/LandingAgent.