本論文では、Seleniumテストフレームワークを用いた自動ウェブアプリケーションテストにおいて、特にフォームインタラクションテストに焦点をあてた大規模言語モデル(LLM)のファインチューニング手法を提案しています。ウェブフォームとのインタラクションを行うためには、文法的に正確で実行可能なスクリプトが必要ですが、これに関する研究は未開拓であり、公共のベンチマークやデータセットも存在しません。本研究では、合成データと人間が注釈を付けたデータセットを作成し、様々な実世界のフォームとテストシナリオをカバーしています。また、文法の正確性やスクリプトの実行可能性、入力フィールドのカバレッジに対する明確な評価基準を定義し、実験ではGPT-4oを含む強力なベースラインを大きく上回る成果を示しました。これにより、LLMを基にしたウェブテストに関する今後の研究の基盤が築かれます。