ContextSniper: AntTrail's Token-Efficient Code Memory for Repository-Level Program Repair

작성자

Haebom

카테고리

Empty

저자

Chiwang Luk, Matin Mohammad Najafi, Zhifeng Jia, Wei Yang, Xiuchang Li, Jinwei Zhu, Yang Ren, Lei Chen, Gao Cong

💡 개요

본 논문은 대규모 언어 모델(LLM) 에이전트가 저장소 수준의 코드 수리 시 발생하는 과도한 컨텍스트 토큰 사용 문제를 해결하기 위해 ContextSniper라는 정밀한 증거 선택 모듈을 제안합니다. ContextSniper는 코드 및 액션 메모리를 추상화하여 하이브리드 랭커로 후보를 검색하고, 의도 인식 컨텍스트 게이트를 통해 불필요한 정보를 필터링하여 효율적인 증거 패킷을 반환합니다. 이를 통해 토큰 사용량과 비용을 크게 절감하면서도 코드 수리 품질은 유지할 수 있음을 보여줍니다.

🔑 시사점 및 한계

•

LLM 기반 코드 수리 에이전트의 토큰 효율성을 획기적으로 개선하여 실제 적용 가능성을 높입니다.

•

저장소 수준의 복잡한 코드 수리 작업에서 불필요한 정보 탐색 비용을 크게 절감합니다.

•

현재 연구는 SWE-bench Lite 및 제한된 작업 수를 기반으로 평가되었으므로, 더 넓은 범위의 다양한 작업에 대한 추가적인 검증이 필요합니다.

PDF 보기

Made with Slashpage