본 논문은 코드 리뷰 자동화의 복잡성을 해결하기 위해, 단순한 코드-텍스트 생성이 아닌, 실제 머지 요청 평가 및 결함 감지까지 고려한 전체 자동화 파이프라인을 제시합니다. 4억 명에 달하는 일일 활성 사용자를 보유한 회사의 온라인 추천 서비스 내에서 수십만 줄의 C++ 코드를 분석하여, 관련 컨텍스트 캡처, 주요 버그 포함 개선, 오경보율 감소, 그리고 인간 워크플로 통합 등 네 가지 주요 과제를 도출했습니다. 이를 해결하기 위해 코드 슬라이싱 알고리즘, 다중 역할 LLM 프레임워크, 필터링 메커니즘, 그리고 새로운 프롬프트 디자인을 제안하며, 실제 머지 요청 데이터를 기반으로 기존 LLM 대비 2배, 기존 기준선 대비 10배의 성능 향상을 달성했습니다. 제시된 결과는 C++에 초점을 맞추고 있지만, AST 기반 분석 등 언어에 의존하지 않는 원리를 활용하여 다른 언어에도 적용 가능성을 시사합니다.
