論文の概要: GraphDroid: Asynchronous LLM-Based Mobile App GUI Testing via History-Aware Exploration and Hybrid Intent Fulfillment

• arxiv url: http://arxiv.org/abs/2609.10031v1
• Date: Wed, 09 Sep 2026 11:04:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:08.998554
• Title: GraphDroid: Asynchronous LLM-Based Mobile App GUI Testing via History-Aware Exploration and Hybrid Intent Fulfillment
• Title（参考訳）: GraphDroid: 履歴を意識した探索とハイブリッドインテントフルフィルメントによる,非同期LLMベースのモバイルアプリGUIテスト
• Abstract要約: GraphDroidは、クラスタベースのメモリメカニズムを統合するインテント駆動のGUIテストフレームワークである。 41の現実世界のAndroidアプリ上で6つの最先端のベースラインに対してGraphDroidを評価する。
• 参考スコア（独自算出の注目度）: 15.320789851146543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated GUI testing is a widely adopted technique for ensuring mobile application quality by simulating user interactions to exercise functionalities. Despite the research breakthroughs in the past decades, covering complex functionalities that require multi-step action sequences still remains challenging. Traditional tools lack semantic understanding capability and can rarely synthesize such action sequences. Recent LLM-based tools can generate test intents describing target functionalities and leverage the LLM to fulfill the intents, but suffer from three key limitations: 1) loss of historical context for identifying uncovered functionalities, 2) synchronous intent generation that blocks exploration, and 3) per-step LLM-driven fulfillment incurring high cost and latency. To address these limitations, we propose GraphDroid, an intent-driven GUI testing framework that integrates a cluster-based memory mechanism to effectively identify uncovered functionalities from historically visited states for comprehensive application testing. For improving testing efficiency, GraphDroid adopts an asynchronous intent generation paradigm that eliminates the latency bottleneck and a hybrid intent fulfillment strategy that reserves the LLM for fulfilling complex intents while delegating simple intents to a lightweight heuristic algorithm. We evaluate GraphDroid on 41 real-world Android apps against six state-of-the-art baselines. Results show that GraphDroid outperforms all baselines, achieving up to 36.4% higher code coverage while incurring less than one eighth of the cost of the best pure LLM-based baseline. GraphDroid also exposes 19 bugs in the 41 apps and detects 13 of 52 crashes in the Themis bug benchmark, surpassing all the six baselines. Seven of the 19 bugs were previously unknown and we reported them to the developers. So far, four bugs have been confirmed and fixed.
• Abstract（参考訳）: GUI自動テストは、ユーザインタラクションをシミュレートして機能を実行することで、モバイルアプリケーション品質を保証するために広く採用されているテクニックである。 過去数十年の研究のブレークスルーにもかかわらず、多段階のアクションシーケンスを必要とする複雑な機能をカバーすることは依然として困難である。 従来のツールは意味理解能力に欠けており、このようなアクションシーケンスを合成することは滅多にない。 最近のLLMベースのツールは、ターゲット機能を記述するテストインテントを生成し、LLMを利用してインテントを満足するが、3つの重要な制限に悩まされる。 1)未発見機能を特定するための歴史的文脈の喪失。 2 探索を妨害する同期意図生成及び 3) ステップごとのLCM駆動充足は高いコストとレイテンシをもたらす。 このような制限に対処するために,クラスタベースのメモリ機構を統合したインテント駆動GUIテストフレームワークであるGraphDroidを提案する。 テスト効率を改善するため、GraphDroidでは、レイテンシのボトルネックを排除した非同期インテント生成パラダイムと、軽量なヒューリスティックアルゴリズムに単純なインテントを委譲しながら、複雑なインテントを満たすためのLLMを予約するハイブリッドインテントフルフィルメント戦略を採用している。 41の現実世界のAndroidアプリ上で6つの最先端のベースラインに対してGraphDroidを評価する。 結果として、GraphDroidはすべてのベースラインを上回り、コードカバレッジは最大36.4%向上し、最高のLLMベースのベースラインのコストの8分の1以下となった。 GraphDroidはまた、41のアプリに19のバグを公開し、Themisのバグベンチマークで52のクラッシュのうち13が検出され、6つのベースラインをすべて越えている。 19のバグのうち7つは以前不明であり、開発者に対して報告しました。 これまでのところ、バグが4つ確認され、修正されている。

関連論文リスト

• GTA: Graph Theory Agent and Benchmark for Algorithmic Graph Reasoning with LLMs [50.68372832207766]
  Graph Theory Bench (GT Bench) は、44のタスク構造設定において24の古典的なグラフ問題をカバーするベンチマークである。 GT Benchは、精度が入力表現と強く結びついていることを示している。 本稿では,選好学習された表現セレクタと計画と分解の足場を組み合わせたグラフ理論エージェント(GTA)を提案する。
  論文  参考訳（メタデータ） (2026-09-10T22:50:10Z)
• Leveraging Trajectory Graphs for Pre-Execution Error Diagnosis in Agentic LLM Systems [47.66236392009794]
  LLM(Large Language Model)ベースのエージェントは、様々な複雑な対話的タスクにおいて、例外的なパフォーマンスを示す。 textitTrajectory Graph Copilot は LLM エージェントの副操縦士' として機能する新しいフレームワークで,実行前に潜在的な動作エラーを診断する。
  論文  参考訳（メタデータ） (2026-07-29T20:14:43Z)
• Covering Human Action Space for Computer Use: Data Synthesis and Benchmark [59.01879944842542]
  コンピュータ利用エージェント(CUA)は、GPT-5.4とClaudeによって説明されているように、画面上での作業を自動化する。 しかし、複雑な低周波相互作用に対する信頼性はまだ貧弱であり、ユーザの信頼を制限している。 複雑な相互作用におけるモデルの能力を評価するための新しいベンチマークCUActSpotを提案する。
  論文  参考訳（メタデータ） (2026-05-12T17:59:58Z)
• Do LLMs Need to See Everything? A Benchmark and Study of Failures in LLM-driven Smartphone Automation using Screentext vs. Screenshots [15.63408997133083]
  DailyDroidは、25のAndroidアプリにまたがる5つのシナリオで75のタスクをベンチマークします。 GPT-4oとo4-miniのテキストのみとマルチモーダル(テキスト+スクリーンショット)入力を用いて300回の試験で評価し、マルチモーダル入力と同等の性能を示し、成功率を極端に向上させた。
  論文  参考訳（メタデータ） (2026-04-20T05:15:14Z)
• 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)
• Can Large Language Models Analyze Graphs like Professionals? A Benchmark, Datasets and Models [70.03602551880526]
  グラフを処理するために,大規模言語モデル(LLM)のベンチマークであるProGraphを導入する。 その結果,現在のLCMの性能は不満足であり,最高のモデルでは36%の精度しか達成できないことがわかった。 本研究では,6つの広く使用されているグラフライブラリに基づいて,クローリングされたドキュメントと自動生成コードを含むLLM4Graphデータセットを提案する。
  論文  参考訳（メタデータ） (2024-09-29T11:38:45Z)
• GraphReader: Building Graph-based Agent to Enhance Long-Context Abilities of Large Language Models [58.08177466768262]
  大規模言語モデル(LLM)では、複雑なロングコンテクストのタスクに対処するためには、ロングコンテクストの能力が不可欠である。 グラフをグラフに構造化し、エージェントを使ってグラフを自律的に探索することで、長いテキストを扱うように設計されたグラフベースのエージェントシステムであるGraphReaderを紹介する。 LV-Evalデータセットの実験結果によると、GraphReaderは4kコンテキストウィンドウを使用して、16kから256kまでのコンテキスト長で一貫してGPT-4-128kを上回っている。
  論文  参考訳（メタデータ） (2024-06-20T17:57:51Z)
• Make LLM a Testing Expert: Bringing Human-like Interaction to Mobile GUI Testing via Functionality-aware Decisions [23.460051600514806]
  GPTDroidは、モバイルアプリ向けのQ&AベースのGUIテスティングフレームワークである。 機能認識型メモリプロンプト機構を導入する。 アクティビティのカバレッジが32%向上し、より高速な速度で31%のバグを検出する。
  論文  参考訳（メタデータ） (2023-10-24T12:30:26Z)
• AutoDroid: LLM-powered Task Automation in Android [32.241570727243534]
  モバイルタスク自動化システムであるAutoDroidを紹介した。 主なコンポーネントは、LLMでUIをブリッジする機能対応UI表現メソッドである。 我々は、メモリ拡張Androidタスク自動化のための新しいベンチマークで、その性能を158の共通タスクで評価した。
  論文  参考訳（メタデータ） (2023-08-29T13:02:30Z)
• Chatting with GPT-3 for Zero-Shot Human-Like Mobile Automated GUI Testing [23.460051600514806]
  GPTDroid を提案し,GUI ページ情報を LLM に渡してテストスクリプトを抽出することにより,大規模言語モデルにモバイルアプリとのチャットを依頼する。 そこで我々はGUIページの静的コンテキストと反復テストプロセスの動的コンテキストを抽出する。 Google Playの86のアプリ上でGPTDroidを評価し、そのアクティビティカバレッジは71%で、最高のベースラインよりも32%高く、最高のベースラインよりも高速で36%多くのバグを検出することができます。
  論文  参考訳（メタデータ） (2023-05-16T13:46:52Z)
• Exploring Visual Context for Weakly Supervised Person Search [155.46727990750227]
  人探索は、歩行者の検出と人物の再識別を共同で扱う、困難なタスクとして最近登場した。 既存のアプローチは、バウンディングボックスとIDアノテーションの両方が利用可能な完全に教師付き設定に従っている。 本稿では,ボックスアノテーションのみを用いた弱教師付き人物検索について実験的に考察する。
  論文  参考訳（メタデータ） (2021-06-19T14:47:13Z)

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。