본 논문은 LLM 기반의 강력한 함수 수준 이슈(issue) 위치 파악 방법론인 CoSIL을 소개한다. CoSIL은 학습이나 인덱싱 없이, 동적으로 구성된 모듈 호출 그래프를 활용한 파일 레벨의 광범위한 탐색과 함수 호출 그래프를 이용한 함수 레벨의 심층 분석을 수행하는 2단계 코드 그래프 검색 전략을 사용한다. 정확한 검색 방향 제어를 위해 관련 없는 방향과 컨텍스트를 필터링하는 가지치기(pruner)를 도입하고, 긴 컨텍스트에서의 잘못된 상호 작용 형식을 방지하기 위해 짧은 컨텍스트에서 독립적인 쿼리를 사용하는 반사 메커니즘을 구현했다. 실험 결과, CoSIL은 SWE-bench Lite 및 SWE-bench Verified에서 각각 43.3%와 44.6%의 Top-1 위치 파악 정확도를 달성했으며, 기존 방법 대비 평균 96.04%의 성능 향상을 보였다. CoSIL을 이슈 해결 방법인 Agentless에 통합했을 때, 이슈 해결률이 2.98%에서 30.5%까지 향상되었다.
