본 논문은 대규모 언어 모델(LLM)의 코드 이해 능력, 특히 복사 전파나 상수 접기와 같은 의미를 보존하는 비자명한 프로그램 변환에 대한 실증적 평가를 제시합니다. 연구 결과, LLM은 컨텍스트가 제공되지 않은 경우 약 41%, 간단한 일반적인 컨텍스트가 제공된 경우 약 29%의 경우 의미적 동등성을 판단하는 데 실패하는 것으로 나타났습니다. 정확도 향상을 위해 LLM과 코드 최적화 도구를 통합하여 학습을 강화하고 더욱 강력한 프로그램 이해를 가능하게 하는 것을 제안합니다.
