거인의 어깨 위에 서기: 다국어 코드 클론 감지를 위한 안정화된 지식 전달

다국어 코드 클론 감지 (X-CCD) 는 다른 언어로 작성된 의미적으로 동등한 프로그램이 표면적 유사성이 거의 없기 때문에 도전적입니다. 대규모 언어 모델 (LLMs) 은 의미적 클론 감지에 대한 희망을 보여주고 있지만, 블랙박스 시스템으로 사용될 경우 비용, 재현 가능성, 프라이버시 및 신뢰할 수 없는 출력 형식에 대한 우려가 제기됩니다. 특히 컴팩트한 오픈소스 모델은 추론 지향 프롬프트를 따르고 이진 클론 레이블로 일관되게 매핑할 수 있는 출력을 생성하는 데 어려움을 겪습니다. 이러한 한계를 해결하기 위해, 우리는 DeepSeek-R1 의 추론 능력을 X-CCD 를 위한 컴팩트 오픈소스 학생 모델로 전달하는 지식 전달 프레임워크를 제안합니다. Project CodeNet 에서 도출된 다국어 코드 쌍을 사용하여 추론 지향 합성 훈련 데이터를 구축하고 Phi3 와 Qwen-Coder 로 LoRA 어댑터로 미세 조정합니다. 우리는 또한 강제 결론 프롬프트, 이진 분류 헤드 및 대비적 분류 헤드를 포함한 응답 안정화 방법을 도입하고 예측 지표 및 응답률을 사용하여 모델 행동을 평가합니다. Python--Java, Rust--Java, Rust--Python, 그리고 Rust--Ruby 에 대한 실험은 지식 전달이 컴팩트 모델의 신뢰성을 일관되게 향상시키고, 특히 분포 이동 하에서는 예측 성능을 종종 향상시킨다는 것을 보여줍니다. 또한, 분류 헤드 변형은 생성 기반 추론에 비해 추론 시간을 크게 줄입니다. 전체적으로, 우리의 결과는 추론 지향 전달과 응답 안정화가 컴팩트 오픈소스 모델을 X-CCD 감지에 더 실용적이고 신뢰할 수 있게 만든다는 것을 보여줍니다.