본 논문은 대규모 언어 모델(LLM)을 이용한 소프트웨어 오류 국소화 기법인 CoSIL을 제안합니다. 기존 방법들의 한계인 LLM의 컨텍스트 창 길이 제약을 극복하기 위해, CoSIL은 모듈 호출 그래프를 통해 검색 공간을 줄이고, 반복적인 검색과 컨텍스트 가지치기를 통해 효율적인 컨텍스트를 확보합니다. 특히, 사전 파싱 없이 LLM이 동적으로 호출 그래프를 생성하는 것이 특징입니다. 실험 결과, CoSIL은 SWE bench Lite와 SWE bench Verified 데이터셋에서 각각 43%, 44.6%의 Top-1 국소화 성공률을 달성하여 기존 방법들을 상당히 능가하며, 패치 생성 단계에 적용 시 해결률이 9.3%~31.5% 추가 향상됨을 보였습니다.
