Celal Ziftci, Stoyan Nikolov, Anna Sjovall, Bo Kim, Daniele Codecasa, Max Kim
개요
구글에서 수행된 대규모 수동 마이그레이션 프로젝트를 다룬 논문으로, 변경 위치 탐색과 대규모 언어 모델(LLM)을 활용한 새로운 자동화 알고리즘을 제안한다. 3명의 개발자가 12개월에 걸쳐 39개의 마이그레이션을 수행한 사례 연구 결과, LLM이 코드 변경의 74.45%와 편집의 69.46%를 생성했으며, 개발자 만족도가 높고 마이그레이션 시간이 50% 단축되었음을 보여준다. 이를 통해 제안된 자동화된 LLM 지원 워크플로우가 유사한 프로젝트의 모델이 될 수 있음을 시사한다.
시사점, 한계점
•
시사점:
◦
대규모 소프트웨어 마이그레이션 자동화의 효과성을 실증적으로 보여줌.
◦
LLM을 활용한 소프트웨어 마이그레이션 자동화의 가능성 제시.
◦
개발자 생산성 향상 및 만족도 증진에 기여.
◦
유사한 마이그레이션 프로젝트를 위한 효율적인 모델 제시.
•
한계점:
◦
구글 특유의 환경에 최적화된 알고리즘으로, 다른 환경에서의 일반화 가능성은 추가 연구 필요.
