본 논문은 자연어 처리(NLP)에서 주요 과제인 코드 전환(CS) 문제를 해결하기 위해 대규모 언어 모델(LLM)을 활용한 새로운 데이터 생성 방법론을 제시합니다. 영-스페인어 쌍을 대상으로, 자연스러운 CS 문장을 일단 영어로 역번역한 후, 이를 병렬 말뭉치로 활용하여 LLM을 미세 조정하여 단일 언어 문장을 CS 문장으로 변환하는 방식입니다. 기존 방법과 달리 자연스러운 CS 데이터를 시작점으로 사용하여 문법적 패턴을 넘어 자연스러운 분포를 학습하도록 합니다. 인간 선호도 연구, 질적 오류 분석, 자동 평가 지표를 사용하여 모델 성능을 분석하며, 생성된 CS 데이터의 품질 평가에서 기존 지표와 인간 판단의 상관관계가 낮음을 보입니다. 생성된 코드와 데이터셋을 공개합니다.
