LLM 기반 vs. 탐색 기반 병합 충돌 해결: 경쟁 패러다임에 대한 실증적 연구

요약

본 연구는 소프트웨어 병합 충돌 해결을 위한 LLM 기반 생성적 접근 방식과 SBSE 기반 최적화 접근 방식의 성능을 비교 분석한 최초의 실증적 연구입니다. 연구 결과, LLM은 불균형한 콘텐츠 해결에 강점이 있으나 대규모 입력과 비영어권 데이터에 취약한 반면, SBSE는 데이터 독립적인 일반화 성능과 균형 잡힌 충돌 해결에서 우수함을 확인했습니다. 결론적으로 두 패러다임의 장점을 결합한 하이브리드 시스템 개발의 필요성을 제안합니다.

핵심 포인트

• LLM 기반 방식(MergeGen)은 학습된 패턴을 통해 불균형한 콘텐츠 충돌 해결에 탁월함
• LLM은 대규모 입력값 처리 및 비영어권 콘텐츠 대응 시 결과가 누락되거나 잘리는 한계가 있음
• SBSE 기반 방식(SBCR)은 데이터셋 전반에 걸쳐 우수한 일반화 성능과 견고함을 보여줌
• SBSE는 균형 잡힌 충돌 상황에서 최적의 성능을 발휘함
• 두 방식의 상호 보완적 역량을 결합한 하이브리드 모델이 차세대 해결책으로 제시됨