대규모 언어 모델(LLM) 기반의 코드 제안 기능이 코드 편집기에 널리 사용되지만, 많은 제안이 무시되어 계산 자원 낭비, 대기 시간 증가, 불필요한 방해를 초래합니다. 본 논문은 LLM을 호출하기 전에 제안 수용 가능성을 예측하는 경량 사전 필터 모델을 소개합니다. 이 모델은 타이핑 속도, 파일 탐색, 편집 활동과 같은 실시간 개발자 텔레메트리만을 사용합니다. 4개월 동안 실제 Visual Studio Code 플러그인에 배포한 결과, 제안 수용률이 18.4%에서 34.2%로 거의 두 배 증가했으며, 가치가 낮은 LLM 호출을 35% 억제했습니다. 이 연구는 행동 신호만으로도 LLM 지원 프로그래밍의 사용자 경험과 시스템 효율성을 향상시킬 수 있음을 보여주며, 시간 인지적이고 개인 정보 보호적인 적응 메커니즘의 가치를 강조합니다. 이 필터는 호출 전 편집기 텔레메트리만 사용하며 코드나 프롬프트를 검사하지 않습니다.
