論文の概要: Spotting Setting-Related UI Display Bugs in Android Apps

• arxiv url: http://arxiv.org/abs/2607.04120v1
• Date: Sun, 05 Jul 2026 05:17:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.834914
• Title: Spotting Setting-Related UI Display Bugs in Android Apps
• Title（参考訳）: Androidアプリの設定関連UIディスプレイバグ
• Abstract要約: Androidは幅広いシステム設定を提供しており、ユーザーはスクリーンローテーションやUIディスプレイといったアプリの実行時の動作を制御できる。 開発者が自分のアプリを、ユーザが定義できる幅広いシステム設定と完全に整合しない場合に、設定関連のバグが発生する。 これらのバグはアプリのUIによく影響し、ユーザエクスペリエンスに悪影響を及ぼす設定関連UIディスプレイ(SUD)バグを引き起こします。
• 参考スコア（独自算出の注目度）: 19.918077756884852
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Android provides a wide range of system settings that allow users to control the runtime behaviors of apps, such as screen rotation and UI display. However, setting-related bugs occur when developers do not fully align their apps with the extensive range of system settings that users can define. These bugs can commonly affect apps' UI, causing setting-related UI display (SUD) bugs that negatively impact user experience. While existing research has explored automated detection of SUD bugs, these approaches often suffer from false negatives. This limitation stems from an incomplete understanding of how app components should adapt UI elements to diverse system settings. To address this gap, we conducted an empirical study to identify common patterns of unexpected setting adaptations that result in SUD bugs. These patterns then served as the test oracle for our proposed automated tool, SUDFinder. To ensure the test coverage, SUDFinder injects a test activity to visually render the XML configuration files of each UI page. We evaluated SUDFinder on 29 popular, open-source apps on F-Droid and found that it effectively identifies 98 previously unknown SUD bugs, achieving a precision of 0.76. So far, 67 have been confirmed and 37 have been fixed by the app developers.
• Abstract（参考訳）: Androidは幅広いシステム設定を提供しており、ユーザーはスクリーンローテーションやUIディスプレイといったアプリの実行時の動作を制御できる。 しかし、設定関連のバグは、開発者がアプリケーションをユーザーが定義できる幅広いシステム設定と完全に整合しないときに発生する。 これらのバグはアプリのUIによく影響し、ユーザエクスペリエンスに悪影響を及ぼす設定関連UIディスプレイ(SUD)バグを引き起こします。 既存の研究では、SUDバグの自動検出が検討されているが、これらのアプローチはしばしば偽陰性に悩まされている。 この制限は、アプリコンポーネントがUI要素を多様なシステム設定にどのように適応すべきか、不完全な理解に由来する。 このギャップに対処するために、SUDバグの原因となる予期せぬ設定適応の共通パターンを特定するための実証的研究を行った。 これらのパターンは、提案した自動ツールSUDFinderのテストオラクルとして機能しました。 テストカバレッジを保証するため、SUDFinderはテストアクティビティを注入し、各UIページのXML設定ファイルを視覚的にレンダリングする。 F-Droid上の29の人気のあるオープンソースアプリケーション上でSUDFinderを評価し、98のSUDバグを効果的に識別し、精度0.76。 これまでに67件が確認され、37件がアプリ開発者によって修正されている。

関連論文リスト

• AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
  LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。 Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。 コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
  論文  参考訳（メタデータ） (2026-07-21T06:21:13Z)
• Proactive Detection of GUI Defects in Multi-Window Scenarios via Multimodal Reasoning [19.41663018956925]
  マルチウィンドウ移動シナリオにおけるGUI表示欠陥検出のためのエンドツーエンドフレームワークを提案する。 このフレームワークは、アプリの探索中にスプリットスクリーン、折り畳み可能、ウィンドウ遷移状態を積極的にトリガーする。 マルチモーダルな大規模言語モデルとチェーン・オブ・シントを使用して、ディスプレイの欠陥を検出し、ローカライズし、説明する。
  論文  参考訳（メタデータ） (2026-04-21T04:47:09Z)
• KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
  KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。 42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。 明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
  論文  参考訳（メタデータ） (2026-04-09T16:50:50Z)
• Improving Random Testing via LLM-powered UI Tarpit Escaping for Mobile Apps [5.901783684504153]
  LLMを用いたランダムGUIテストは、ランダムテスト中にUIタロットを緩和する新しいハイブリッドテスト手法である。 提案手法はUIの類似性を監視して,タルピートを識別し,LLMをクエリして,遭遇したタルピートをエスケープする有望なイベントを提案する。 HybridMonkeyとHybridDroidbotはすべてのベースラインを上回り、それぞれ54.8%と44.8%の平均カバレッジ改善を達成した。
  論文  参考訳（メタデータ） (2026-04-08T07:28:26Z)
• Enhancing LLM-Based Bug Reproduction for Android Apps via Pre-Assessment of Visual Effects [1.5924281804465255]
  大規模言語モデル(LLM)は、テキストと視覚のセマンティクスを理解する際、顕著な能力を示している。 本研究では,現在のUIページ上で可能なすべてのUIアクションを探索中に実行し,対応する視覚効果を記録し,それらの視覚的手がかりを利用して,バグを再現する可能性のあるUIアクションを選択する。 LTGDroidは87.51%の再生成功率を達成し、最先端のベースラインを49.16%、556.30%改善し、平均20.45分と0.27ドルを要した。
  論文  参考訳（メタデータ） (2026-03-31T11:44:45Z)
• OpenApps: Simulating Environment Variations to Measure UI-Agent Reliability [49.99934595922838]
  自律的なUIエージェントの約束を実現する上では、信頼性が重要です。 6つのアプリを備えた軽量なオープンソースエコシステムであるOpenAppsを開発しています。 我々は、7つの主要なマルチモーダルエージェントの信頼性を研究するために、1万以上の独立した評価を実行する。
  論文  参考訳（メタデータ） (2025-11-25T19:00:22Z)
• Screencast-Based Analysis of User-Perceived GUI Responsiveness [53.53923672866705]
  Toolsはモバイルのスクリーンキャストから直接GUIの応答性を測定するテクニックである。 コンピュータービジョンを使ってユーザーインタラクションを検出し、フレームレベルの視覚変化を分析し、2つの重要なメトリクスを計算する。 ツールはインダストリアルテストパイプラインにデプロイされ、毎日数千のスクリーンキャストを分析している。
  論文  参考訳（メタデータ） (2025-08-02T12:13:50Z)
• Advancing Mobile UI Testing by Learning Screen Usage Semantics [0.42303492200814446]
  本研究は,モバイルアプリの画面利用セマンティクスを学習することで,自動UIテスト技術の向上を目指す。 また、UI設計の問題を特定し緩和することで、モバイルアプリのインターフェイスのユーザビリティも向上する。
  論文  参考訳（メタデータ） (2025-05-15T01:40:43Z)
• PopSweeper: Automatically Detecting and Resolving App-Blocking Pop-Ups to Assist Automated Mobile GUI Testing [46.18718721121415]
  PopSweeperは、GUIの自動テスト中にリアルタイムでアプリブロックのポップアップを検出し、解決するように設計されたツールである。 それは、ポップアップ検出とクローズボタンのローカライゼーションのためのディープラーニングベースのコンピュータビジョン技術を組み合わせている。 我々はPopSweeperを、アプリストアから収集された72K以上のアプリスクリーンショットと87の上位モバイルアプリで評価した。
  論文  参考訳（メタデータ） (2024-12-04T01:05:44Z)
• Taming Timeout Flakiness: An Empirical Study of SAP HANA [47.29324864511411]
  不安定なテストは回帰テストに悪影響を及ぼします。 テストタイムアウトは、このような不安定なテストの失敗に寄与する要因のひとつです。 テストのフレキネス率は、繰り返しテストの実行回数によって49%から70%の範囲である。
  論文  参考訳（メタデータ） (2024-02-07T20:01:41Z)
• Taming Android Fragmentation through Lightweight Crowdsourced Testing [9.752084629147854]
  我々は,クラウドソースによるAndroidの断片化を緩和する,新しい,軽量なクラウドソーステスト手法であるLAZYCOWを提案する。 実世界のAndroidデバイス上で数千のテストケースの実験結果から、LAZYCOWはAPIによる互換性の問題を自動的に識別し、検証するのに有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-10T01:37:16Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)

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。