InterA11y повысила полноту обнаружения ошибок веб-доступности до 79%

29 октября 2026 года Mingyuan Zhong и соавторы опубликовали исследование InterA11y. Система объединяет инструкции по проверке WCAG с инструментами взаимодействия со страницей: агент собирает свидетельства поведения интерфейса и выносит решение по конкретному элементу.

Вместо оценки только исходного кода и снимков страницы агент может исследовать клавиатурную навигацию, видимость фокуса и сообщения об ошибках. Архитектура сочетает детерминированные проверки с оценкой LLM; неоднозначные случаи требуют дополнительного сбора данных.

На 197 экспертно размеченных случаях из 54 страниц авторы получили среднюю полноту 79,0% против 44,4% у сильнейшего проверенного LLM-метода. Точность InterA11y составила 93,1%: это доля верных находок среди всех отмеченных системой нарушений. Проверялись Claude Haiku 5.5, Gemini 3.7 Flash, GLM 5.3 Flash и GPT-6 Luna с высоким уровнем рассуждений.

Это результаты авторского эксперимента, а не независимой репликации. Использовались сохранённые копии страниц; серверные сценарии и функции с авторизацией остались за пределами оценки. Десять критериев не обеспечивают полной проверки WCAG, а высокая точность не исключает пропусков.

Как воспроизвести проверку

В репозитории проекта доступны наборы данных, сохранённые предсказания, инструменты и адаптеры сравнительных систем. Для запуска нужны Python 3.11+, Node.js 20+, Google Chrome и ключ OpenRouter; отдельные проверяющие инструменты требуют Java и Maven. Лицензия всего проекта в README явно не указана.

Пересчитать опубликованные метрики по сохранённым предсказаниям можно без обращений к моделям:

python intera11y.py parse --experiment expert-evaluation

Такой пересчёт позволяет проверить обработку результатов. Для повторного выполнения браузерных проверок предусмотрена отдельная команда run, которая обращается к выбранным моделям.