최근 대규모 언어모델(LLM)은 자연어 명령만으로 웹사이트 전체를 생성하는 놀라운 능력을 보여주고 있습니다. 하지만 이렇게 생성된 웹사이트가 사용자의 의도대로 정확히 작동하는지, 즉 기능적 완성도를 높이는 것은 여전히 어려운 과제였습니다. 기존에는 개발자가 직접 브라우저 스크립트를 작성하여 웹사이트의 기능을 검증하고 LLM 학습을 위한 보상(reward)을 제공했지만, 이는 비용과 시간이 많이 드는 비효율적인 방식이었습니다.
이러한 문제를 해결하기 위해 '웹그레이더(WebGrader)'라는 새로운 자가 진화형 프로그램 평가기(self-evolving programmatic grader)가 등장했습니다. 웹그레이더는 웹사이트 요청으로부터 필요한 상호작용 흐름을 자율적으로 도출하고, 이를 실행 가능한 '플로우 계약(Flow Contract)'으로 표현합니다. 이후 실제 브라우저 환경에서 생성된 웹사이트를 구동하며 시각, DOM, 응답 등 다양한 증거를 수집하여 기능 수행 여부를 판단하고, 이 결과를 LLM 학습의 보상으로 활용합니다. 특히 웹그레이더는 테스트 계획, 액션 접지, 증거 수집, 의미론적 판단을 분리하여 요청된 전환이 관찰된 후에만 '통과(Pass)' 판정을 내림으로써 기존 시각-언어 모델(VLM)이나 GUI 에이전트 평가기의 한계를 극복합니다.
웹그레이더의 핵심은 잔여 기반 오프라인 루프(residual-driven offline loop)를 통해 재사용 가능한 검증 기술을 발견하고, 이를 정책 훈련 전에 확정하는 것입니다. 이 기술은 웹젠-벤치(WebGen-Bench) 데이터셋에서 8B 정책의 기능적 성공률을 52.01%까지 끌어올려, 기존 방식보다 7.88% 포인트 높은 성능을 보였습니다. 또한, o4-mini 및 DeepSeek-v4-flash와 같은 다른 강력한 모델들을 능가했으며, WG-core-250에서는 Qwen3-Coder-480B를 뛰어넘는 44.953점의 만점(Full Score)을 달성했습니다. 이는 AI가 웹 개발 분야에서 더욱 정교하고 자율적으로 학습할 수 있는 기반을 마련했다는 점에서 큰 의미를 가집니다.
웹그레이더는 LLM 기반 웹 개발의 효율성과 정확성을 혁신적으로 개선할 잠재력을 가지고 있습니다. 개발자는 더 이상 복잡한 수동 평가 스크립트에 얽매이지 않고, AI가 스스로 웹사이트의 기능을 검증하고 개선하도록 맡길 수 있게 됩니다. 이는 웹 개발 프로세스의 자동화를 가속화하고, AI가 더욱 복잡하고 동적인 웹 애플리케이션을 생성할 수 있는 길을 열어줄 것입니다. 궁극적으로는 개발자들이 창의적인 작업에 더 집중하고, 반복적이고 지루한 테스트 작업에서 벗어나게 하여 생산성 향상에 크게 기여할 것으로 예상됩니다.