이슈 목록 생성 및 컨텍스트 증강을 통한 LLM 기반 Go 코드 리뷰 개선

요약

LLM 기반 Go 코드 리뷰의 성능을 높이기 위해 이슈 목록 생성 및 다양한 컨텍스트 증강 전략을 제안하는 연구입니다. 인접 컨텍스트, LSP 기반 의미론, IR 기반 공동 변경 컨텍스트를 활용하여 리뷰 정확도를 크게 향상시켰습니다.

핵심 포인트

• 단일 이슈 대신 모든 잠재적 이슈를 나열하는 이슈 목록 리뷰 패러다임 제안
• LSP 및 IR 기반의 세 가지 컨텍스트 증강 기법을 통한 이슈 발견 능력 강화
• 정제 가이드 기반 가지치기로 후보 목록의 크기를 실용적인 수준으로 최적화
• 기존 CodeReviewer 모델을 크게 상회하는 28.00%의 정제 정확도 달성