論文の概要: Testaro: Efficient Ensemble Testing for Web Accessibility

• arxiv url: http://arxiv.org/abs/2309.10167v2
• Date: Fri, 22 Sep 2023 15:28:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 07:22:12.178896
• Title: Testaro: Efficient Ensemble Testing for Web Accessibility
• Title（参考訳）: Testaro: Webアクセシビリティのための効率的なアンサンブルテスト
• Authors: Jonathan Robert Pool
• Abstract要約: TestaroはオープンソースのNPMパッケージで、8つのツールのアンサンブルによって定義された約650のルールでコンプライアンスをチェックする。 デモの参加者はテッサロの仕事を作り、それらを実行し、統一されたレポートを生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As automated web accessibility testing tools become enriched with new and improved tests, it can be impractical to leverage those advances. Each tool offers unique benefits, but effectively using multiple tools would require integrating them into a uniform testing and reporting scheme. Such integration is complex, because tools vary in what they try to detect, what they actually detect, and how they classify, describe, and report defects. Consequently, testers typically use only one tool. Testaro is a novel open-source NPM package that checks compliance with about 650 rules defined by an ensemble of 8 tools: alfa, Axe, Equal Access, HTML CodeSniffer, Nu Html Checker, QualWeb, Testaro, and WAVE. Attendees at the demonstration will, within 5 minutes, create jobs for Testaro, run them, and generate unified reports documenting more accessibility issues than any single tool can discover.
• Abstract（参考訳）: 自動Webアクセシビリティテストツールが新しく改良されたテストで豊かになるにつれて、これらの進歩を活用することは現実的ではない。 それぞれのツールは独自のメリットを提供するが、複数のツールを効果的に使用するためには、それらを統一的なテストとレポートのスキームに統合する必要がある。 このような統合は複雑で、ツールが検出しようとするもの、実際に検出するもの、どのように欠陥を分類、記述、報告するかによって異なります。 その結果、テスターは通常1つのツールのみを使用します。 TestaroはオープンソースのNPMパッケージで、alfa、Axe、Equal Access、HTML CodeSniffer、Nu Html Checker、QualWeb、Testaro、WAVEという8つのツールのアンサンブルによって定義された約650のルールでコンプライアンスをチェックする。 デモの参加者は5分以内に、Testaroのジョブを作成し、実行し、単一のツールが発見できる以上にアクセシビリティの問題を示す統一レポートを生成する。

関連論文リスト

• Leveraging Large Language Models for Enhancing the Understandability of Generated Unit Tests [4.574205608859157]
  我々は,検索ベースのソフトウェアテストと大規模言語モデルを組み合わせたUTGenを導入し,自動生成テストケースの理解性を向上する。 UTGenテストケースで課題に取り組む参加者は、最大33%のバグを修正し、ベースラインテストケースと比較して最大20%の時間を使用できます。
  論文  参考訳（メタデータ） (2024-08-21T15:35:34Z)
• Coverage measurement in model-based testing of web applications: Tool support and an industrial experience report [1.5984927623688918]
  大規模産業用Webアプリケーションのテスト環境では、いくつかの種類のカバレッジデータを"統合"する必要性に直面しました。 我々はMBTCoverというMBTに特化したオープンソースのテストカバレッジツールを開発した。 コードカバレッジに加えて、ツールが要求とモデルカバレッジを計測し、レポートする。
  論文  参考訳（メタデータ） (2024-08-12T13:43:06Z)
• Open-CD: A Comprehensive Toolbox for Change Detection [59.79011759027916]
  Open-CDは変更検出ツールボックスで、変更検出方法の豊富なセットと関連するコンポーネントとモジュールを含んでいる。 徐々に、多くの一般的な変更検出方法や同時代のモジュールをカバーする統一されたプラットフォームへと進化していく。
  論文  参考訳（メタデータ） (2024-07-22T01:04:16Z)
• AUITestAgent: Automatic Requirements Oriented GUI Function Testing [12.83932274541321]
  本稿では,モバイルアプリ用の初の自動自然言語駆動GUIテストツールであるAUITestAgentを紹介する。 GUIインタラクションと機能検証の全プロセスを完全に自動化することができる。 カスタマイズされたベンチマークの実験では、AUITestAgentが生成されたGUIインタラクションの品質で既存のツールより優れていることが示されている。
  論文  参考訳（メタデータ） (2024-07-12T06:14:46Z)
• Observation-based unit test generation at Meta [52.4716552057909]
  TestGenは、アプリケーション実行中に観察された複雑なオブジェクトのシリアライズされた観察から作られたユニットテストを自動的に生成する。 TestGenは518のテストを本番環境に投入し、継続的統合で9,617,349回実行され、5,702の障害が見つかった。 評価の結果,信頼性の高い4,361のエンドツーエンドテストから,少なくとも86%のクラスでテストを生成することができた。
  論文  参考訳（メタデータ） (2024-02-09T00:34:39Z)
• TestSpark: IntelliJ IDEA's Ultimate Test Generation Companion [15.13443954421825]
  本稿では,IntelliJ IDEA用のプラグインであるTestSparkを紹介する。 TestSparkは、生成された各テストを容易に修正して実行し、それらをプロジェクトワークフローに統合することを可能にする。
  論文  参考訳（メタデータ） (2024-01-12T13:53:57Z)
• EASYTOOL: Enhancing LLM-based Agents with Concise Tool Instruction [56.02100384015907]
  EasyToolは、多種多様で長いツールドキュメントを統一的で簡潔なツール命令に変換するフレームワークである。 トークン使用量を大幅に削減し、現実のシナリオにおけるツール利用のパフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2024-01-11T15:45:11Z)
• GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension [81.44231422624055]
  さまざまなタスクを実行できる外部ツールを備えた大規模言語モデル(LLM)に焦点が当てられている。 本稿では,GitHubから自動ツール拡張を実現するエージェントであるGitAgentを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T15:47:30Z)
• ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
  我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。 フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-10-26T21:57:21Z)
• AXNav: Replaying Accessibility Tests from Natural Language [14.131076040673351]
  大規模言語モデル(LLM)は、UIの自動化を含む様々なタスクに使用されている。 本稿では,自然言語ベースのアクセシビリティテストワークフローの要件について検討する。 手動アクセシビリティテスト(例えばVoiceOver''のショー検索)を入力として、LLMとピクセルベースのUI理解モデルを組み合わせてテストを実行するシステムを構築します。
  論文  参考訳（メタデータ） (2023-10-03T20:37:58Z)
• Tool Documentation Enables Zero-Shot Tool-Usage with Large Language Models [90.96816639172464]
  大規模言語モデル(LLM)は、ツールの使用のデモを提供することで、新しいツールを使用するように教えられている。 デモよりも、ツールドキュメンテーションの使用、個々のツール使用方法の説明を推奨します。
  論文  参考訳（メタデータ） (2023-08-01T17:21:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。