Towards Scalable Web Accessibility Audit with MLLMs as Copilots
Created by
- Haebom
Category
Empty
저자
Ming Gu, Ziwei Wang, Sicen Lai, Zirui Gao, Sheng Zhou, Jiajun Bu
개요
본 논문은 웹 접근성 보장을 위해 인간-AI 파트너십 모델을 활용하는 AAA라는 감사 프레임워크를 제시한다. AAA는 WCAG-EM을 기반으로 하며, 대표적인 페이지 커버리지를 보장하는 그래프 기반의 다중 모달 샘플링 방법인 GRASP와, 감사자의 작업을 지원하는 다중 모달 대규모 언어 모델 기반의 보조 도구인 MaC를 핵심으로 한다. 이를 통해 확장 가능한 웹 접근성 감사를 가능하게 하고, AI를 통해 실제 영향을 미칠 수 있도록 지원한다. 또한, 감사 파이프라인의 핵심 단계를 벤치마킹하기 위한 4개의 새로운 데이터 세트를 제공한다. 실험을 통해 소규모 언어 모델도 파인 튜닝을 통해 유능한 전문가 역할을 할 수 있음을 입증했다.
시사점, 한계점
•
시사점:
◦
인간-AI 협업 모델을 통해 웹 접근성 감사 효율성 향상
◦
GRASP를 통한 대표적인 페이지 커버리지 보장
◦
MaC를 활용한 감사자 지원 및 작업 효율성 증대
◦
확장 가능한 웹 접근성 감사 솔루션 제시
◦
웹 접근성 감사를 위한 새로운 데이터 세트 제공
◦
소규모 언어 모델의 활용 가능성 제시
•
한계점:
◦
구체적인 AAA 프레임워크의 기술적 세부 사항(알고리즘, 구현 등)에 대한 설명 부족 가능성
◦
실제 웹사이트 감사 환경에서의 성능 검증에 대한 정보 부족 가능성
◦
다양한 웹사이트 유형 및 복잡성에 대한 적합성 평가 부족 가능성
◦
대규모 언어 모델의 잠재적 편향성 및 오류에 대한 고려 부족 가능성
