멀티태스크 표현 공학 (Multitask Representation Engineering)을 통한 LLM 생성 코드의 가독성 향상 연구

정확성 (Correctness)과 가독성 (Readability)은 각각 코드의 기능적 충실도와 이해의 용이성을 보장하는 코드 품질의 핵심 측정 지표입니다. 기존 연구의 대부분은 대규모 언어 모델 (LLMs)이 생성한 코드의 정확성을 개선하는 데 집중되어 있는 반면, 가독성은 여전히 충분히 다뤄지지 않고 있습니다. 가독성은 주관적인 특성을 가지고 있기 때문에 표적 제어 (Targeted control)를 통해 이를 향상시키는 것은 매우 도전적인 과제입니다. 본 논문에서는 데이터 의존성이 낮고 계산 비용이 적은 특성을 고려하여, 표현 공학 (Representation Engineering, RepE)을 표적 제어 방법으로 채택합니다. 기존의 RepE 관련 연구들은 주로 단일 작업에 대한 표적 제어에 집중해 왔으나, 코드 가독성을 개선하기 위해서는 여러 작업에 걸친 제어가 필요합니다. 이에 따라 우리는 멀티태스크 RepE (Multitask RepE) 프레임워크를 제안하며, 멀티태스크 스티어링 (Multitask steering) 방법이 코드 가독성과 정확성 사이의 트레이드오프 (Tradeoff)에 미치는 영향을 이론적으로 논의합니다. 나아가 이를 뒷받침하는 포괄적인 실험을 제공합니다. 모든 관련 구현체는 오픈 소스로 공개되어 있으며 요청 시 제공 가능합니다.