인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
소프트웨어 복잡성이 급증함에 따라, 소프트웨어 결함 예측(SDP)은 한정된 테스트 자원을 오류 가능성이 높은 모듈에 집중시키는 핵심 품질 보증 활동으로 자리 잡았다. CodeBERT 등 코드 특화 언어모델이 SDP에서 성과를 보였으나, 토큰 길이 제한으로 인해 파일 단위의 긴 코드 문맥을 반영하기 어려우며, 이로 인해 대규모 코드베이스에서는 예측 성능이 제한된다는 한계가 있다. 반면, 수십만 토큰을 처리 가능한 거대 언어 모델(LLM)의 등장은 코드의 구조적·의미적 관계를 종합적으로 분석할 수 있는 새로운 가능성을 제시한다. 본 연구는 이러한 잠재력에 주목하여, 데이터 표현 방식(정형 메트릭·비정형 코드)과 프롬프트 전략을 조합한 9가지 실험을 수행하였다. 그 결과, 데이터 형태와 프롬프트 전략이 각각 독립적으로 예측 정확도에 영향을 미쳤으며, 두 요인의 복합적 상호작용이 성능 변동의 주요 요인임을 확인하였다. 이는 LLM 기반 결함 예측의 실용화를 위해 정교한 프롬프트 설계가 필수적임을 시사한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
