Fugu-MT 論文翻訳(概要): LLM-Assisted Model-Based GUI Testing for Vue.js Web Applications

論文の概要: LLM-Assisted Model-Based GUI Testing for Vue.js Web Applications

arxiv url: http://arxiv.org/abs/2606.27665v1
Date: Fri, 26 Jun 2026 02:51:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-29 18:24:25.354673
Title: LLM-Assisted Model-Based GUI Testing for Vue.js Web Applications
Title（参考訳）: Vue.js WebアプリケーションのためのLLM支援モデルベースGUIテスト
Abstract要約: Vue.jsソースコードから遷移グラフを生成するためのLLMVueフレームワークを提案する。このフレームワークはコンポーネント階層と経路遷移を推論し、それらを複数のSFCで統一されたPTGにマージする。これは、ソースレベルのPTG抽出を用いたVue.jsアプリケーションのモデルベースのGUIテストにLLMを使った最初の例である。
参考スコア（独自算出の注目度）: 12.515778641160226
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Vue.js is a popular framework for building modern web applications. As Vue.js functionality and tooling support grow, ensuring its reliability (through automated testing) is becoming increasingly important. Although model-based testing has been successfully used to automate graphical user interface (GUI) testing on other platforms, its application to Vue.js remains challenging: Transition candidates, which are spread across router configurations and single-file components (SFCs), must be concretized and normalized into an executable page transition graph (PTG) for testing. To address this, we propose the LLMVue framework, which uses a large language model (LLM) to generate a PTG from Vue.js source code. LLMVue infers component hierarchies and route transitions, merging them into a unified PTG across multiple SFCs. We evaluated LLMVue on a collection of ten open-source Vue.js projects from GitHub, using GPT-4o as the LLM backbone. The constructed graphs demonstrate high precision and recall, with low graph edit distance. LLMVue -guided testing also significantly improves the coverage and exploration efficiency, compared to a random exploration baseline (with the same time constraints). To the best of our knowledge, this is the first use of LLMs for model-based GUI testing of Vue.js applications using source-level PTG extraction.
Abstract（参考訳）: Vue.jsはモダンなWebアプリケーションを構築するための人気のあるフレームワークだ。 Vue.js機能とツーリングのサポートが拡大するにつれて、信頼性(自動テストを通じて)がますます重要になっている。他のプラットフォームでのグラフィカルユーザインタフェース(GUI)テストを自動化するためにモデルベースのテストが成功したが、Vue.jsへのアプリケーションはまだ難しい。これを解決するために,大規模な言語モデル(LLM)を用いてVue.jsソースコードからPTGを生成するLLMVueフレームワークを提案する。 LLMVueはコンポーネント階層と経路遷移を推論し、複数のSFCをまたいだ統一PTGにマージする。 LLMバックボーンとしてGPT-4oを使用して、GitHubから10のオープンソースプロジェクトであるVue.jsのコレクション上でLLMVueを評価した。構築されたグラフは高い精度とリコールを示し、グラフ編集距離は低い。 LLMVue-guided Testingは、ランダムな探索ベースライン(同じ時間制約で)と比較して、カバレッジと探索効率を著しく改善する。我々の知る限りでは、ソースレベルのPTG抽出を用いたVue.jsアプリケーションのモデルベースのGUIテストにLLMを使ったのはこれが初めてである。

関連論文リスト

WebVIA: A Web-based Vision-Language Agentic Framework for Interactive and Verifiable UI-to-Code Generation [30.193562985137813]
インタラクティブなUI-to-Code生成とバリデーションのための最初のエージェントフレームワークであるWebVIAを提案する。フレームワークには,1)マルチステートUIスクリーンショットをキャプチャする探索エージェント,2)実行可能なインタラクティブコードを生成するUI2Codeモデル,3)対話性を検証する検証モジュールの3つのコンポーネントが含まれている。
論文参考訳（メタデータ） (2025-11-09T06:58:52Z)
PAL-UI: Planning with Active Look-back for Vision-Based GUI Agents [151.86841216364294]
textbfPAL-UI (textbfActive textbfLook-back) を提案する。 PAL-UIは、二重レベルの要約エージェントを組み合わせ、観察レベルの手がかりとアクションレベルの結果の両方を、専用の検索ツールと組み合わせる。
論文参考訳（メタデータ） (2025-10-01T01:48:39Z)
GUI-ReRank: Enhancing GUI Retrieval with Multi-Modal LLM-based Reranking [55.762798168494726]
GUI-ReRankは、高速な埋め込みに基づく制約付き検索モデルと、非常に効果的なMLLMベースのリグレード技術を統合する新しいフレームワークである。提案手法を確立されたNLベースのGUI検索ベンチマークで評価した。
論文参考訳（メタデータ） (2025-08-05T10:17:38Z)
GUI-Actor: Coordinate-Free Visual Grounding for GUI Agents [93.49577107524176]
座標自由なGUIグラウンドリングのためのVLMに基づくGUI-Actorを提案する。 GUI-Actorの中核となるのは、アテンションベースのアクションヘッドで、専用のACTOR>トークンと関連するすべての視覚的パッチトークンの整合を学ぶ。実験により、GUI-Actorは、複数のGUIアクショングラウンドベンチマークにおいて、最先端のメソッドよりも優れていることが示された。
論文参考訳（メタデータ） (2025-06-03T17:59:08Z)
ReuseDroid: A VLM-empowered Android UI Test Migrator Boosted by Active Feedback [11.624163693084446]
本稿では,大規模視覚言語モデル(VLM)によるGUIテストマイグレーションのための新しいマルチエージェントフレームワークであるREUSEDROIDを提案する。 REUSEDROIDの洞察は、同じアプリ間で共有されるコアロジックのみに基づいて、テストを移行することである。テストマイグレーションデータセットであるLinPro上でREUSEDROIDを評価する。
論文参考訳（メタデータ） (2025-04-03T07:45:09Z)
Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction [69.57190742976091]
Aguvisは、自律的なGUIエージェントのためのビジョンベースのフレームワークである。クロスプラットフォームのインタラクションを標準化し、内部モノローグによる構造化推論を取り入れている。オフラインおよび実世界のオンラインベンチマークで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-12-05T18:58:26Z)
OS-ATLAS: A Foundation Action Model for Generalist GUI Agents [55.37173845836839]
OS-AtlasはGUIグラウンディングとOODエージェントタスクに優れた基礎的なGUIアクションモデルである。現在までに1300万以上のGUI要素を含む、オープンソースのクロスプラットフォームGUI基盤コーパスをリリースしています。
論文参考訳（メタデータ） (2024-10-30T17:10:19Z)
Leveraging Large Vision Language Model For Better Automatic Web GUI Testing [7.480576630392405]
本稿では,最初のLVLM駆動のエンドツーエンドWebテスト技術であるVETLを提案する。 LVLMのシーン理解機能により、VETLはローカルコンテキストに焦点を当てた有効な意味のあるテキスト入力を生成することができる。関連GUI要素の選択は視覚的質問応答問題として定式化され、LVLMは入力ボックスと関連する要素の間の論理的接続をキャプチャする。
論文参考訳（メタデータ） (2024-10-16T01:37:58Z)
DistML.js: Installation-free Distributed Deep Learning Framework for Web Browsers [40.48978035180545]
DistML.jsは、Webブラウザ内で機械学習モデルのトレーニングと推論のために設計されたライブラリである。実用的なアプリケーションとともに、DistML.jsの設計、API、実装に関する包括的な説明を提供する。
論文参考訳（メタデータ） (2024-07-01T07:13:14Z)
LLaVA-Grounding: Grounded Visual Chat with Large Multimodal Models [105.7362622712606]
大規模マルチモーダルモデル(LMM)のグラウンド化能力はますます認識されている。問題は、グラウンドド・ビジュアル・チャット(GVC)のためのデータセットがないことだ。私たちはグラウンドとチャット機能を組み合わせられるGVCデータを作成しました。我々のモデルは、RefCOCO/+/gやFlickr30K Entitiesのような古典的なグラウンドベンチマーク上での競合性能を実現している。
論文参考訳（メタデータ） (2023-12-05T18:29:31Z)

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。