대규모 언어 모델(LLM) 기반의 코드 자동 완성이 맥락에 맞는 제안을 생성하여 변화를 가져왔지만, 제안을 언제 제시할지에 대한 연구는 부족했다. 본 연구는 개발자 피드백을 기반으로 제안 제시 전 지연 시간을 동적으로 조절하는 적응형 타이밍 메커니즘을 제안한다. 제안된 방법은 최근 수락률의 로지스틱 변환과 개발자의 인지 상태에 대한 상위 수준 이진 예측을 기반으로 하는 제한된 지연 범위를 결합한다. 두 달간의 전문가 개발자 배포 결과, 적응형 타이밍은 제안 수락률을 정적 지연의 15.4%에서 18.6%로 향상시켰고, 맹목적 거부(읽지 않고 거부)를 8.3%에서 0.36%로 줄였다. 이는 LLM 기반 코드 어시스턴트의 효율성을 높이고, 낭비되는 추론 호출을 75% 감소시켰다.
