論文の概要: Automated LLM-Based Accessibility Remediation: From Conventional Websites to Angular Single-Page Applications

• arxiv url: http://arxiv.org/abs/2602.17887v1
• Date: Thu, 19 Feb 2026 22:46:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.172637
• Title: Automated LLM-Based Accessibility Remediation: From Conventional Websites to Angular Single-Page Applications
• Title（参考訳）: LLMベースのアクセシビリティの自動化 - 従来のWebサイトからAngularシングルページアプリケーションへ
• Authors: Carla Fernández-Navarro, Francisco Chicano,
• Abstract要約: 本研究では,Large Language Models (LLMs) を用いてアクセシビリティーの修正を自動化するシステムを提案する。 提案では、静的Webサイトと複雑なAngularプロジェクトの両方に適用可能なモジュラーワークフローを提案する。 システムは12の静的Webサイトと6つのオープンソースAngularプロジェクトでテストされ、公開Webサイトのアクセシビリティ問題80%とAngularアプリケーションの86%が修正された。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Web accessibility remains an unresolved issue for a large part of the web content. There are many tools to detect errors automatically, but fixing those issues is still mostly a manual, slow, and costly process in which it is easy for developers to overlook specific details. The situation becomes even more complex with modern Single-Page Applications (SPAs), whose dynamic nature makes traditional static analysis approaches inadequate. This work proposes a system that aims to address this challenge by using Large Language Models (LLMs) to automate accessibility fixes. The proposal presents a modular workflow applicable to both static websites and complex Angular projects. The framework actively implements corrections within the DOM of static web pages or the source code of SPAs. The system was tested on 12 static websites and 6 open-source Angular projects, fixing 80% of the accessibility issues on public websites and 86% of the issues on Angular applications. Our proposal also generates meaningful visual descriptions for images while preserving the application's design and stability. This work contributes to ensuring that accessibility stops being a technical debt deferred to the future and becomes a natural part of everyday development workflows.
• Abstract（参考訳）: Webアクセシビリティは、Webコンテンツの大部分において未解決の問題のままである。 エラーを自動的に検出するツールはたくさんありますが、これらの問題を修正することは、開発者が特定の詳細を見落としやすい手作業で、遅く、コストのかかるプロセスです。 この状況は、従来の静的解析アプローチが不十分な動的な性質を持つ、現代的なシングルページアプリケーション(SPAs)とさらに複雑になる。 本研究では,Large Language Models (LLMs) を用いてアクセシビリティーの修正を自動化するシステムを提案する。 提案では、静的Webサイトと複雑なAngularプロジェクトの両方に適用可能なモジュラーワークフローを提案する。 このフレームワークは静的WebページのDOMやSPAのソースコードに積極的に修正を実装している。 システムは12の静的Webサイトと6つのオープンソースAngularプロジェクトでテストされ、公開Webサイトのアクセシビリティ問題80%とAngularアプリケーションの86%が修正された。 提案手法は,アプリケーションの設計と安定性を保ちながら,画像に意味のある視覚的記述を生成する。 この作業は、アクセシビリティが将来の技術的負債ではなく、日々の開発ワークフローの自然な部分になることを保証するのに役立ちます。

関連論文リスト

• Automated Multi-Source Debugging and Natural Language Error Explanation for Dashboard Applications [0.0]
  本稿では,自動多ソース・自然言語誤り記述システムを提案する。 提案するフレームワークは,ブラウザ,API,サーバログなどの異なるソースからのエラーデータを自動で収集,関連付けし,APIコントラクトをリアルタイムで検証する。 このアプローチは、サポートエンジニアに対する平均分解時間を大幅に削減し、暗号化エラーコードを実用的な洞察に変換することによって、ユーザエクスペリエンスを向上させる。
  論文  参考訳（メタデータ） (2026-02-17T05:06:28Z)
• Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
  課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。 本稿では,この新興領域を体系的に調査する。
  論文  参考訳（メタデータ） (2026-01-15T18:55:03Z)
• ng-reactive-lint: Smarter Linting for Angular Apps [0.0]
  ng-reactive-lintはAngularのコンポーネントセマンティクス、ライフサイクルフック、テンプレートバインディング、反応性パターンを理解するための決定論的静的解析ツールである。 フレームワークを意識した分析を行い、高インパクトアンチパターンを検出し、実行可能でコンテキスト固有の修正を提供する。 5つの大規模な実世界のプロジェクトを対象とした評価では、不要な変更検出サイクルが最大3倍に減少し、ピークメモリ使用量が最大75%減少した。
  論文  参考訳（メタデータ） (2025-11-28T23:51:11Z)
• WALT: Web Agents that Learn Tools [66.73502484310121]
  WALTは、Webサイト機能を再利用不能なツールにリバースエンジニアリングするフレームワークである。 WALTはアドホックなスキルを仮説化するのではなく、既にウェブサイトに設計されている自動化の堅牢な実装を公開している。 VisualWebArenaとWebArenaでは、WALTはより少ないステップとLLM依存の推論でより高い成功を達成している。
  論文  参考訳（メタデータ） (2025-10-01T23:41:47Z)
• Automatically Generating Web Applications from Requirements Via Multi-Agent Test-Driven Development [34.560333810255464]
  私たちは、エンドツーエンドのフルスタックWebアプリケーション生成のための最初のテスト駆動開発フレームワークであるTDDevを紹介します。 自然言語の説明や設計イメージが与えられたら、TDDevは自動的に実行可能なテストケースを導き、フロントエンドとバックエンドのコードを生成し、ユーザーインタラクションをシミュレートします。 本フレームワークは,ユーザ要求の不明確さ,複数ファイル間の複雑な相互依存性,機能的正当性と視覚的忠実性といった,フルスタック自動化における重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-09-29T16:18:19Z)
• Detecting Pipeline Failures through Fine-Grained Analysis of Web Agents [0.48156730450374763]
  この研究は既存のベンチマークを分析し、きめ細かい診断ツールの欠如を強調している。 本稿では,エージェントパイプラインを解釈可能なステージに分解し,詳細なエラー解析を行うモジュール評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-17T19:34:49Z)
• Scaling Autonomous Agents via Automatic Reward Modeling And Planning [52.39395405893965]
  大規模言語モデル(LLM)は、様々なタスクにまたがる顕著な機能を示している。 しかし、彼らは多段階の意思決定と環境フィードバックを必要とする問題に苦戦している。 人間のアノテーションを使わずに環境から報酬モデルを自動的に学習できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:49:25Z)
• R2D2: Remembering, Replaying and Dynamic Decision Making with a Reflective Agentic Memory [53.94879482534949]
  現在のモデルは、Web構造の可視化と理解が限られているため、効率的なナビゲーションとアクション実行に苦しむことが多い。 提案したR2D2フレームワークは,2つのパラダイムを統合することで,これらの課題に対処する。 本研究は,記憶を増強したナビゲーションと反射学習を組み合わせることで,Webエージェントの能力が向上することが示唆された。
  論文  参考訳（メタデータ） (2025-01-21T20:21:58Z)
• PAFFA: Premeditated Actions For Fast Agents [19.576180667174366]
  PAFFAは、新しい推論時間手法を用いて、インターネット上でのタスクの完了を高速かつ正確にする手法である。 PAFFAは、堅牢なパフォーマンスを維持しながら、推論時間トークンを87%大幅に削減する。 調査に基づいてアクションライブラリを更新するUnravelの能力は、目に見えないウェブサイトへの一般化と適応を可能にする。
  論文  参考訳（メタデータ） (2024-12-10T22:51:31Z)
• Steward: Natural Language Web Automation [19.301371856154965]
  大規模言語モデル(LLM)は、AIアシスタントの基盤として機能する優れた能力を示している。 我々は、低コストでスケーラブルでエンドツーエンドなWebインタラクション自動化ソリューションとして機能するように設計された、新しいLLMベースのWeb自動化ツールであるStewardを紹介します。 本稿では,状態表現,アクションシーケンス選択,システム応答性,タスク完了の検出,キャッシュ実装など,さまざまな設計と実装の課題について論じる。
  論文  参考訳（メタデータ） (2024-09-23T18:06:32Z)
• CAAP: Context-Aware Action Planning Prompting to Solve Computer Tasks with Front-End UI Only [21.054681757006385]
  本稿では,スクリーンショット画像のみを通して環境を知覚するエージェントを提案する。 大規模言語モデルの推論能力を活用することで,大規模人間の実演データの必要性を解消する。 AgentはMiniWoB++の平均成功率は94.5%、WebShopの平均タスクスコアは62.3である。
  論文  参考訳（メタデータ） (2024-06-11T05:21:20Z)
• AutoScraper: A Progressive Understanding Web Agent for Web Scraper Generation [54.17246674188208]
  Webスクレイピングは、Webサイトからデータを抽出し、自動データ収集を可能にし、データ分析機能を強化し、手動のデータ入力作業を最小化する強力なテクニックである。 既存の手法では、ラッパーベースの手法は、新しいウェブサイトで直面する場合、適応性とスケーラビリティの制限に悩まされる。 本稿では,大規模言語モデル(LLM)を用いたWebスクレイパー生成のパラダイムを紹介し,多様なWeb環境をより効率的に処理できる2段階フレームワークであるAutoScraperを提案する。
  論文  参考訳（メタデータ） (2024-04-19T09:59:44Z)
• VisualWebBench: How Far Have Multimodal LLMs Evolved in Web Page Understanding and Grounding? [115.60866817774641]
  MLLM(Multimodal Large Language Model)は、Web関連のタスクにおいて有望であることを示す。 Webドメインにおけるパフォーマンス評価は、包括的なベンチマークが欠如しているため、依然として課題である。 benchは、さまざまなWebタスクにわたるMLLMの機能を評価するために設計されたマルチモーダルベンチマークである。
  論文  参考訳（メタデータ） (2024-04-09T02:29:39Z)
• WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
  本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。 WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。 BrowserGymは、そのようなエージェントの設計と評価のための環境である。
  論文  参考訳（メタデータ） (2024-03-12T14:58:45Z)
• SWE-bench: Can Language Models Resolve Real-World GitHub Issues? [80.52201658231895]
  SWE-benchは、実際のGitHub問題から引き出された2,294ドルのソフトウェアエンジニアリング問題と、人気のあるPythonリポジトリ12ドルのプルリクエストで構成される評価フレームワークである。 我々は、最先端のプロプライエタリモデルと微調整モデルSWE-Llamaの両方が、最も単純な問題だけを解決できることを示します。
  論文  参考訳（メタデータ） (2023-10-10T16:47:29Z)

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。