論文の概要: A11YRepair: Bridging Web Accessibility Barriers via Knowledge-Enhanced Divide-and-Conquer Repair
- arxiv url: http://arxiv.org/abs/2606.21926v1
- Date: Sat, 20 Jun 2026 07:48:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 23:53:21.036055
- Title: A11YRepair: Bridging Web Accessibility Barriers via Knowledge-Enhanced Divide-and-Conquer Repair
- Title（参考訳）: A11YRepair:知識の強化された分断とコンカレント修復によるWebアクセシビリティバリアのブリッジ
- Authors: Kai Huang, Ling Zhu, Jian Zhang, Xiaofei Xie, Chunyang Chen,
- Abstract要約: Webアクセシビリティ(A11Y)は、Webコンテンツが障害のあるユーザーに認識され、使用することができることを保証する。
既存の修理システムは、このマルチフォールトスケールの管理に失敗した。
Web A11Y修復のためのLLMベースのフレームワークであるA11YRepairを提案する。
- 参考スコア（独自算出の注目度）: 28.53179680947281
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Web accessibility (A11Y), which ensures web content is perceivable and usable for users with disabilities, is a critical requirement for modern web applications. Yet existing tooling overwhelmingly focuses on detecting A11Y violations rather than repairing them. Automated program repair (APR) techniques appear promising for this setting, but our study shows that state-of-the-art APR systems perform poorly when applied to real-world A11Y violations. Unlike conventional sparse-bug scenarios, web A11Y issues often manifest as multiple structurally related violations per page, requiring coordinated edits across multiple files. Existing repair systems fail to manage this multi-fault scale, as they handle each bug individually without considering their relationships or incorporating domain rules such as the Web Content Accessibility Guidelines (WCAG). We propose A11YRepair, an LLM-based framework for web A11Y repair. A11YRepair introduces a divide-and-conquer workflow that first clusters violations requiring coordinated edits to reduce redundant localization, and then decomposes each cluster by root cause so the LLM can generate focused and consistent patches. The framework further incorporates WCAG-driven knowledge to strengthen domain awareness during both fault localization and patch synthesis. To support systematic evaluation, we construct A11YBench, a benchmark of 60 real-world web projects collected from GitHub. Experimental results show that A11YRepair achieves higher repair effectiveness and lower cost than state-of-the-art baselines, and ablation studies confirm the importance of its divide-and-conquer design and selective domain knowledge integration. Specifically, patches generated by A11YRepair have been merged into open-source projects from Google, Microsoft, Facebook, IBM, K8s, Docker, and Alibaba, demonstrating its practical value.
- Abstract（参考訳）: Webアクセシビリティ(Web Accessibility, A11Y)は、Webコンテンツが障害のあるユーザに認識され、使用することができることを保証し、モダンなWebアプリケーションにとって重要な要件である。
しかし、既存のツールは、A11Y違反を修復するよりも、圧倒的に検出することに重点を置いている。
APR(Automated Program repair)技術はこの設定に有望であるように思われるが,本研究では,現実のA11Y違反に適用した場合,最先端のAPRシステムの性能が低いことを示す。
従来のスパースバグのシナリオとは異なり、Web A11Y問題はしばしばページごとに複数の構造的関連違反として現れ、複数のファイル間で協調的な編集を必要とする。
既存の修復システムは、関係を考慮せずに個々のバグを個別に処理したり、Web Content Accessibility Guidelines (WCAG)のようなドメインルールを組み込んだりすることで、このマルチフォールトスケールの管理に失敗する。
Web A11Y修復のためのLLMベースのフレームワークであるA11YRepairを提案する。
A11YRepairはパーティション・アンド・コンカヤのワークフローを導入し、最初のクラスタが調整済みの編集を違反して冗長なローカライゼーションを減らし、それから各クラスタをルート因数で分解して、LLMが集中的で一貫性のあるパッチを生成する。
このフレームワークはさらにWCAGによる知識を取り入れ、障害局所化とパッチ合成の双方においてドメイン認識を強化する。
システム評価をサポートするため、GitHubから収集した60の現実世界のWebプロジェクトのベンチマークであるA11YBenchを構築した。
実験結果から, A11YRepairは最先端のベースラインよりも高い修復効率と低コストを実現し, アブレーション研究により, 分割型設計と選択型ドメイン知識統合の重要性が確認された。
具体的には、A11YRepairが生成したパッチは、Google、Microsoft、Facebook、IBM、K8s、Docker、Alibabaのオープンソースプロジェクトにマージされ、実用的価値を示している。
関連論文リスト
- RAVEN: Agentic RAG for Automated Vulnerability Repair [48.8954115363348]
自動脆弱性修復のためのスケーラブルで効率的で自律的なフレームワークであるRAVENを提案する。
RAVENは、エージェント検索拡張生成(RAG)パイプラインと、制御された反復的な修復を統一されたフレームワークに統合する。
RAVENは全体の修復成功率83.13%を達成し、既存のすべての修復フレームワークを上回っている。
論文 参考訳（メタデータ） (2026-06-21T19:18:06Z) - Astragalus: Automatic Configuration Repair for Production Networks [5.649589838524432]
ネットワーク構成はエラーを起こしやすいため、破滅的なサービス停止につながる可能性がある。
自動構成修復(ACR)のための既存のツールは、セマンティック駆動のアプローチに従っている。
我々は,ACRの構文駆動型メソッドであるAstragalusを提案する。
論文 参考訳（メタデータ） (2026-05-21T07:32:22Z) - EvidenT: An Evidence-Preserving Framework for Iterative System-Level Package Repair [26.445772656438752]
ツール実行からエビデント管理を分離するエビデント修復フレームワークであるエビデントを提案する。
実世界のRISC-Vパッケージビルド障害219件についてEvidenTの評価を行った。
予備実験はaarch64で41.77%、x86_64で46.99%の成功率を達成した。
論文 参考訳（メタデータ） (2026-05-09T02:29:57Z) - QiMeng-PRepair: Precise Code Repair via Edit-Aware Reward Optimization [50.722636027998]
大規模言語モデル (LLM) はプログラム修復性能が高いが、しばしば過剰な編集に悩まされる。
オーバー編集を軽減し,修復精度を向上させるフレームワークであるPRepairを提案する。
論文 参考訳（メタデータ） (2026-04-07T14:56:38Z) - ComBench: A Repo-level Real-world Benchmark for Compilation Error Repair [36.10273400046946]
ComBenchは、C/C++コンパイルエラー修正のための最初のリポジトリレベルの再現可能な実世界のベンチマークである。
ComBenchは、GitHub CI履歴から現実の障害をマイニングする、新しい自動化フレームワークによって構築されている。
本実験は,モデルが構文的正当性を達成する能力と,意味的正当性を保証する能力との間に有意なギャップがあることを明らかにする。
論文 参考訳（メタデータ） (2026-03-28T16:35:34Z) - FailureMem: A Failure-Aware Multimodal Framework for Autonomous Software Repair [45.42550492783294]
MAPR(Multimodal Automated Program repair)は、ソースコード、テキストのイシュー記述、GUIスクリーンショットなどのビジュアルアーティファクトを共同で推論することを要求することで、従来のプログラム修復を拡張している。
我々は,3つの主要なメカニズムを統合したマルチモーダル修復フレームワークであるFailureMemを提案する。これは,構造的ローカライゼーションとフレキシブルな推論とをバランスさせるハイブリッドワークフローエージェントアーキテクチャ,領域レベルの視覚的接地を可能にするアクティブな認識ツール,過去の修復の試みを再利用可能なガイダンスに変換するFailure Memory Bankである。
論文 参考訳（メタデータ） (2026-03-18T15:24:22Z) - Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - Repairing Regex Vulnerabilities via Localization-Guided Instructions [6.033257307910245]
正規表現(regexes)は、正規表現拒否(ReDoS)にシステムを公開する
しかし、現在のアプローチはトレードオフによって妨げられている。
信頼性を保ちながら一般化を活用するために設計されたハイブリッド・フレームワーク、ローカライズド・リフレクション(LRR)を導入する。
論文 参考訳（メタデータ） (2025-10-10T06:15:43Z) - Where LLM Agents Fail and How They can Learn From Failures [62.196870049524364]
大規模言語モデル(LLM)エージェントは、複雑なマルチステップタスクの解決において有望であることを示す。
単一ルート原因エラーがその後の決定を通じて伝播する、障害のカスケードに対する脆弱性を増幅する。
現在のシステムは、モジュール的で体系的な方法でエージェントエラーを包括的に理解できるフレームワークを欠いている。
AgentErrorTaxonomyは、メモリ、リフレクション、計画、アクション、システムレベルの操作にまたがる障害モードのモジュール分類である。
論文 参考訳（メタデータ） (2025-09-29T18:20:27Z) - Agent KB: Leveraging Cross-Domain Experience for Agentic Problem Solving [62.71545696485824]
我々は,異種エージェントフレームワーク間のシームレスな体験共有を可能にするユニバーサルメモリ基盤であるAgent KBを紹介した。
Agent KBはトラジェクトリを構造化知識ベースに集約し、軽量APIを提供する。
我々は,GAIA,Humanity's Last Exam,GPQA,SWE-benchなどの主要フレームワークにまたがるエージェントを検証した。
論文 参考訳（メタデータ） (2025-07-08T17:59:22Z)
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。