대규모 언어 모델 기반 코드 생성 작업에 관한 3차 리뷰: 트렌드, 과제 및 향후 방향

배경 (Context). 대규모 언어 모델 (LLMs)은 소프트웨어 공학의 코드 생성 작업 (CGTs)에 점점 더 많이 적용되고 있습니다. 보고된 결과들은 유망하지만, 이러한 적용의 광범위한 효과와 실제 개발 환경으로의 통합은 여전히 충분히 이해되지 않고 있으며, 기존의 3차 연구 (tertiary studies)들은 이 분야에서 거의 정보를 제공하지 못하고 있습니다. 목적 (Objective). 본 3차 연구는 LLM 기반 CGT에 관한 2차 근거 (secondary evidence)를 통합하여, 출판 현황, 효과, 시나리오, 통합 과제 및 향후 연구 방향을 합성합니다. 방법 (Method). 체계적 문헌 고찰 (systematic review) 가이드라인에 따라 관련 디지털 라이브러리를 검색하였으며, 역방향 및 순방향 스노볼링 (snowballing)과 스크리닝 단계를 보완하였습니다. 연구 품질을 평가하였으며, 평가자 간 일치도 통계 (inter-rater agreement statistics)를 통해 추출 신뢰도를 감사하였습니다. 근거는 SWEBOK 지식 영역과 HELM 프레임워크를 사용하여 합성되었습니다. 결과 (Results). 우리는 2017년부터 2025년 사이에 발표된 30개의 2차 연구를 식별하였으며, 2023년 이후 급격한 성장을 보였습니다. 정확도는 벤치마크 (benchmarks) 상에서는 강력해 보이지만, 실제 세계의 일반화 (real-world generalization)에 대해서는 근거가 약합니다. 견고성 (robustness)은 작업 및 구성에 따라 취약하며, 효율성 제약 (efficiency constraints)은 만연해 있습니다. 독성 (toxicity) 및 편향 (bias)은 보고가 부족한 상태입니다. 주요 과제는 경제적 타당성, 평가 타당성 (evaluation validity) 및 사회 기술적 통합 (socio-technical integration)에 관한 것입니다. 향후 방향으로는 도메인 인지 모델 개선 (domain-aware model improvement)과 총체적이고 표준화된 평가의 필요성을 제시합니다. 결론 (Conclusion). LLM 기반 CGT는 빠르게 성숙하고 있지만 불균형하게 평가되고 있는 연구 분야를 나타내며, 효율성 및 관련 비용 문제를 해결하기 위한 도메인 인지 모델 개선과 총체적이고 표준화된 평가의 필요성을 강조합니다.