250613_Automated Web Application Testing: End-to-End Test Case Generation with Large Language Models and Screen Transition Graphs

论文信息

  • 标题: Automated Web Application Testing: End-to-End Test Case Generation with Large Language Models and Screen Transition Graphs

  • arXiv ID: 2506.02529

  • 作者: Authors:Nguyen-Khang Le, Quan Minh Bui, Minh Ngoc Nguyen, Hiep Nguyen, Trung Vo, Son T. Luu, Shoshin Nomura, Minh Le Nguyen

  • 发表日期: 2025-06-03T07:08:21+00:00

  • 论文链接: 2506.02529

  • 总结生成时间: 2025-06-13 15:03:02

一句话概要
该研究提出了一种结合大语言模型与图结构的自动化测试框架，通过屏幕转换图和状态图分别解决网页导航测试与表单填写测试的生成难题，显著提升了测试覆盖率和鲁棒性。

主体
现代网页应用因其动态界面和复杂交互特性，传统测试方法难以全面覆盖其可靠性验证需求。尽管大语言模型在任务自动化方面展现出潜力，但在处理网页动态导航流和条件表单交互时仍存在明显局限。作者指出当前测试工具难以建模多步骤导航路径，也无法智能处理表单字段间的依赖关系，这成为阻碍自动化测试效率提升的关键瓶颈。

为解决上述问题，研究创新性地将图论模型与大语言模型相结合，构建了双轨并行的测试生成系统。针对网页导航测试，系统首先通过屏幕转换图对页面跳转逻辑进行可视化建模，再利用大语言模型基于该图结构生成覆盖各种边界条件的测试场景。在表单测试方面，采用状态图刻画字段间的条件依赖关系，并自动转化为可执行的Selenium脚本。这种混合方法既保留了图模型对复杂逻辑的精确表达能力，又发挥了大语言模型在语义理解和用例生成方面的优势。

实验验证环节，作者在包含多种表单类型的综合数据集上评估系统性能。结果显示，相比传统方法，该框架能将测试覆盖率提升23%，同时生成的测试脚本在异常处理能力上表现出更强鲁棒性。特别值得注意的是，系统成功捕捉到多个手工测试难以发现的深层交互缺陷，包括跨页面状态不一致和条件字段验证逻辑错误等典型问题。这些成果标志着网页应用自动化测试向更智能、更全面的方向迈出了重要一步。

最后一句
该框架为复杂软件系统的智能测试开辟了新路径，其图模型与生成式AI的协同范式可扩展至移动应用、物联网设备等更广泛的测试场景。