멀티모달 거대 언어 모델 (MLLMs)은 웹페이지 스크린샷을 프론트엔드 코드로 변환하는 데 점점 더 많이 사용되고 있지만, 반복되는 UI 패턴은 모델이 시각적으로는 틀렸지만 패턴상 일관된 출력으로 치우치게 만들 수 있습니다. 본 연구에서는 객관적인 스크린샷-to-코드 빈칸 채우기(fill-in-the-blank) 태스크에서 반복되는 웹페이지 패턴이 MLLM의 정확도를 어떻게 저해하는지 테스트합니다. 우리는 시각적 패턴 완성 편향 (visual pattern-completion bias)을 위한 최초의 벤치마크를 도입하며, 여기서는 반복되는 UI 패턴 내의 국소적인 요소 하나를 변형하고, 모델이 스크린샷과 HTML 문맥으로부터 마스킹된 너비(width) 또는 글꼴 크기(font-size) 값을 복구해야 합니다. Design2Code 데이터셋에서 선별한 30개의 웹페이지를 시작으로, 표준 조건 및 노이즈가 중첩된 조건 하에서 구조적 카드(structural card) 및 텍스트 스타일 패턴을 아우르는 1,440개의 평가용 스크린샷을 구축했습니다. 우리는 5개의 최첨단 MLLMs를 평가하였으며, 모든 모델이 반복되는 베이스라인에 강력하게 편향되어 있음을 발견했습니다. 평균 편향률은 카드 너비 변형에서 69.78%, 텍스트 글꼴 크기 변형에서 80.22%에 달하는 반면, 평균 정확도는 각각 21.17%와 7.89%에 불과했습니다. Codex-5.3이 가장 우수한 성능을 보였으나 카드에서의 68.61% 정확도에서 텍스트에서의 13.89%로 여전히 하락했으며, Flash-3.0은 텍스트에서 96.11%의 편향률을 기록했습니다. 노이즈, 더 미세한 변형, 그리고 경계 위치는 편향률을 더욱 증가시킵니다. 추론 분석(Reasoning analysis)을 통해 더 큰 추론 노력이 낮은 편향과 상관관계가 있음을 보여주었으나, 정성적 증거에 따르면 모델이 비정상적인 요소를 식별할 수 있음에도 불구하고 여전히 패턴과 일치하는 답변으로 이를 덮어쓰는 현상이 나타납니다. 우리의 결과는 멀티모달 코드 생성에서의 구체적인 실패 모드를 식별하며, 그 심각성이 시각적 돌출성 (visual saliency)과 강하게 연관되어 있음을 보여줍니다.