인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
초록·키워드
본 논문에서는 다언어 코드 번역을 위해 다양한 코드 대형 언어 모델(code LLM)에 Quantized Low-Rank Adaptation (QLoRA)을 적용하여 효율적으로 튜닝하고 성능을 비교한다. 이를 위해 XLCoST 데이터 세트를 사용하여 42개의 프로그래밍 언어 쌍에 대해 5개의 대표적인 code LLM의 코드 번역 성능을 평가한다. 실험 결과 Java-Python 변환에서 CodeLlama-7B-Instruct와 CodeT5+ 770M 모델이 각각 0.740, 0.735점으로 가장 높은 CodeBLEU 점수를 기록했으나, 전체적으로 모델 간 평균 성능은 유사했다. 또한 언어 쌍에 따른 번역 품질 차이가 뚜렸했다. PHP-C++ 쌍은 저조했으나 Python 대상 번역은 우수한 편이었으며, 이는 모델의 사전 학습 데이터 구성과 연관된 것으로 보인다. 한편 QLoRA를 통해 CodeLlama 등 대형 모델을 단일 48GB GPU에서 효과적으로 튜닝할 수 있음을 확인하였다.
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
UCI(KEPA) : I410-151-25-02-092466959
