面向 Web 测试的自动化页面对象生成：基于大语言模型的探索
软件工程
2026-02-24 v1
摘要
页面对象（Page Objects, POs）是提高自动化端到端 Web 测试可维护性和可扩展性的广泛采用设计模式。然而，创建和维护 POs 仍大部分是手动且耗时的活动，而自动化解决方案在实际应用中采纳有限。在此背景下，大语言模型（LLM）用于此类任务的潜力至今鲜有探索。本文提出了针对使用 LLM（具体为 GPT-4o 和 DeepSeek Coder）自动生成 POs 的可行性的实证研究。我们在已有基准（即ground truth）的五个 Web 应用上评估所生成制品，关注准确率（即正确识别 ground truth 元素的比例）和元素识别率（即正确识别或标记待修改的 ground truth 元素的比例）。结果表明，LLM 可生成语法正确且功能实用的 POs，准确率范围为 32.6%~54.0%，大多数情况下元素识别率超过 70%。本研究为 LLM 在自动 PO 生成中的优势与开放挑战提供了首个系统评估，并为进一步集成 LLM 至实际测试工作流程提供了方向。
引用
@article{arxiv.2602.19294,
title = {Towards Automated Page Object Generation for Web Testing using Large Language Models},
author = {Betül Karagöz and Filippo Ricca and Matteo Biagiola and Andrea Stocco},
journal= {arXiv preprint arXiv:2602.19294},
year = {2026}
}
备注
In proceedings of the 19th IEEE International Conference on Software Testing, Verification and Validation 2026 (ICST '26)