LLM 을 활용한 다 파일 DSL 코드 생성: 산업 현장 사례 연구

대형 언어 모델 (LLMs) 은 범용 코드 생성에서 강력한 성능을 보이지만, 기업용 도메인 특정 언어 (DSLs) 에 대한 적용 가능성은 여전히 탐구되지 않았으며, 특히 단일 자연어 (NL) 지시사항으로부터 여러 파일과 폴더 구조를 아우르는 저장소 규모 변경 생성에 대해서는 더욱 그러하다. 우리는 BMW 에서 수행한 산업 현장 사례 연구를 보고한다. 이 연구에서는 Xtext 기반 DSL 이 하류 Java/TypeScript 코드 생성을 주도하는 프로젝트 루트 DSL 아티팩트를 생성 및 수정하도록 코드 중심의 LLM 을 적응시켰다. 우리는 데이터셋 구축, 다 파일 작업 표현, 모델 적응, 평가에 이르는 엔드투엔드 파이프라인을 개발하였다. 우리는 DSL 폴더 계층 구조를 경로가 보존된 구조화된 JSON 으로 인코딩하여 저장소 규모에서 단일 응답 생성과 교차 파일 의존성 학습을 가능하게 했다. 우리는 베이스라인 프롬프팅, 원샷 인컨텍스트 러닝, 파라미터 효율적 파인튜닝 (QLoRA) 이라는 세 가지 구성 하에서 두 개의 지시사항 튜닝 코드 LLM(Qwen2.5-Coder 와 DeepSeek-Coder, 7B) 을 평가하였다. 표준 유사도 지표 외에도 편집 정확도와 저장소 구조 충실도를 평가하는 작업 특화 지표를 도입하였다. 파인튜닝은 모든 모델과 지표에서 가장 큰 향상을 가져왔으며, 보유 집합의 다 파일 출력에 대해 높은 정확한 일치 정확도, 상당한 편집 유사도, 그리고 1.00 의 구조적 충실도를 달성하였다. 동시에, 원샷 인컨텍스트 러닝은 베이스라인 프롬프팅 대비 작지만 일관된 향상을 제공한다. 우리는 또한 기존 코드 생성기를 활용한 실행 기반 검사와 전문가 개발자 설문 조사를 통해 실용적 유용성을 추가로 검증하였다.