A11YRepair: Bridging Web Accessibility Barriers via Knowledge-Enhanced Divide-and-Conquer Repair
本文提出了 A11YRepair，这是一个基于大语言模型（LLM）的框架，它通过采用一种知识增强的分治策略来对相关问题进行聚类，并生成协调一致且符合 WCAG 标准的补丁，从而解决了现有自动化修复工具在处理复杂的、多重故障的 Web 无障碍违规问题方面的局限性，该方案已通过全新的 A11YBench 基准测试进行了验证，并成功集成到主要的开源项目中。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，互联网是一座繁忙、巨大的城市。对于大多数人来说，在这座城市中行走非常容易。但对于残障人士而言，这里经常有破损的人行道、缺失的路标，以及打不开的门。在网页术语中，这些被称为无障碍违规（accessibility violations）。
长期以来，我们拥有一些工具，它们扮演着城市检查员的角色。它们可以到处走动，指着破损的人行道，并写一份报告说：“嘿，这里坏了！”但它们无法进行修复。人类开发人员必须阅读报告，弄清楚如何修复，然后亲自动手完成工作。这既缓慢又昂贵，而且经常导致错误。
最近，我们迎来了突破：能够编写代码的 AI“修复者”（大语言模型）。但当研究人员尝试让这些 AI 修复者处理网页无障碍问题时，它们失败了。为什么？因为它们试图一次性修复整个城市，或者在不考虑整体协调性的情况下，逐个修复每一个破碎的砖块。
这篇论文介绍了一种名为 A11YRepair 的新型、更智能的 AI 系统，专门用于修复这些网页无障碍问题。以下是它的工作原理，使用简单的类比说明：
1. 问题所在：“手忙脚乱的大厨” vs. “机器人蚂蚁”
研究人员发现，现有的 AI 工具主要在两种方式上失败：
- “手忙脚乱的大厨”（基础策略）： 如果你一次性给 AI 一个网页上 100 个损坏项的列表，它会感到混乱。它试图在一个巨大的批处理中修复所有东西，结果导致遗漏或产生混乱且不连贯的补丁。
- “机器人蚂蚁”（迭代策略）： 如果你告诉 AI 先修一个，再修一个，接着再修一个，它在寻找特定位置方面表现更好。但这种方式效率低下。它可能会以不同的方式三次修复同一扇坏掉的门，或者因为没看到全局图景，在修复一扇门时把旁边的窗户也弄坏了。这既浪费时间又浪费金钱。
2. 解决方案：A11YRepair 的“分而治之”策略
A11YRepair 扮演着一名聪明的建筑领班。它既不看整栋建筑，也不只看一块砖，而是使用“分而治之”的方法：
第一步：归类线索（“社区化”策略）
系统观察网页并将相关的错误组合在一起。如果有一排相同的图标缺少 10 个“alt 标签”（图像描述），它会意识到：“这不是 10 个独立的问题，而是一个问题，对应着同一个代码文件。”它将它们分组，以便 AI 可以通过一次协调的编辑来同时修复它们。这防止了“机器人蚂蚁”进行重复劳动。第二步：寻找源头（“侦探”策略）
一旦知道要修复什么，它就需要知道代码位于哪里。它使用两种方法：- 视觉侦探： 它查看网站的截图，以直观地确定问题位置。
- 代码侦探： 它在代码文件中搜索特定的关键词（如按钮名称或 ID）。
随后，它会进行自我检查。如果它认为找到了正确的代码文件但不确定，它会自问：“我是不是漏掉了什么？”然后再次搜索。这确保了它不会错过根本原因。
第三步：查阅规则手册（“图书管理员”策略）
网页无障碍遵循一套严格的规则手册，称为 WCAG（类似于建筑规范）。- 对于简单问题（如缺失标签），AI 知道答案，不需要查阅规则手册。
- 对于复杂问题（如“这个按钮是否足够大，以便手指点击？”），AI 知道需要检查具体的规则。
A11YRepair 非常聪明，它知道何时该翻开书本，以及何时依靠自身知识。这节省了时间，并防止 AI 因信息过多而感到困惑。
3. 结果：现实世界的成功
研究人员构建了一个名为 A11YBench 的测试场，其中包含 60 个真实网站（例如来自 Google、Microsoft 和 Facebook 的热门开源项目），涉及数千个无障碍错误。
- 更好的修复效果： A11YRepair 修复的错误数量（约 77%）超过了现有的最佳工具。
- 更少的错误： 它产生的“副作用”（意外破坏网站其他部分）远少于其他工具。
- 成本更低： 它在执行任务时使用的计算能力（以及资金）显著减少。
- 真实的采用率： 最令人印象深刻的部分是，研究人员实际上将 A11YRepair 生成的修复方案提交给了真实的开发公司。61 个修复方案被接受并合并到了 Angular、React Native 和 Docker 等主流项目中。
总结
可以将 A11YRepair 视为一支专业的建筑师团队，而非普通的承包商。它既不会试图一次重建整座城市，也不会逐一修复每一处裂缝。相反，它：
- 将相关问题分组为不同的“社区”。
- 定位导致问题的精确蓝图文件。
- 仅在必要时咨询建筑规范。
- 修复源代码，从而使网站实现永久性的无障碍访问，而非仅仅是临时修补。
这篇论文证明，通过更聪明地组织工作并在正确的时间使用正确的规则，AI 终于可以成为让互联网对每个人都实现无障碍化的可靠伙伴。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。