Poison Valleys: LLM 코드 복구의 경로 의존적 실패 진단

요약

본 논문은 LLM 기반 코드 복구 에이전트의 실패 원인을 진단하는 새로운 방법론인 'Poison Valleys'를 제안합니다. 이 연구는 두 가지 합성 Python 사례(PersistQueue, Dijkstra)에서 모델 요청을 통해 경로 의존적 실패를 추적하며, 오개념이 가설 및 계획 단계에 미치는 영향을 분석했습니다.

핵심 포인트

• LLM 코드 복구 에이전트의 근본적인 실패 원인 진단 방법을 제시함.
• 오개념을 가설에서 계획으로 옮기는 것이 실패율 증가를 유발함을 입증함.
• 상류 오개념과 코드 메커니즘 간 측정 가능한 연결고리를 발견함.