재순위화(Rerank) 전의 재현(Recall): 대규모 코드-대-코드 검색(Code-to-Code Retrieval)을 위한 딥러닝 모델

요약

대규모 코드-대-코드 검색 엔진의 1단계 재현을 위한 딥러닝 모델의 성능과 확장성을 평가한 연구입니다. 테라바이트 규모의 데이터셋에서 기존 모델의 한계를 분석하고, LLM을 활용한 코드 정규화 및 쿼리 재작성 기법을 제안합니다.

핵심 포인트

• 대규모 소스 코드 컬렉션에서 딥러닝 모델의 정밀도 및 확장성 한계 규명
• LLM 기반 코드 정규화 및 쿼리 재작성을 통한 정밀도 향상 기법 제시
• 코드 특화 LLM의 데이터셋별 견고성(robustness)에 대한 의문 제기
• 자원 제한 환경에서의 효율적인 코드 검색 시스템 구축 방안 제시