Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SweRank: Software Issue Localization with Code Ranking

Created by
  • Haebom

저자

Revanth Gangi Reddy, Tarun Suresh, JaeHyeok Doo, Ye Liu, Xuan Phi Nguyen, Yingbo Zhou, Semih Yavuz, Caiming Xiong, Heng Ji, Shafiq Joty

개요

본 논문은 소프트웨어 이슈 지역화(자연어로 작성된 이슈 설명을 기반으로 관련 코드 위치를 식별하는 작업)를 위한 효율적이고 효과적인 검색 및 재순위 지정 프레임워크인 SweRank를 제시합니다. 복잡한 다단계 추론과 독점적 LLM에 의존하는 LLM 기반 에이전트 방식의 높은 지연 시간과 비용 문제를 해결하기 위해, 기존 코드 순위 지정 모델의 한계를 극복하는 것을 목표로 합니다. 이를 위해 실제 이슈 설명과 해당 코드 수정 사항을 짝지은 대규모 데이터셋 SweLoc을 구축하고, SweRank를 훈련했습니다. SWE-Bench-Lite 및 LocBench 실험 결과, SweRank는 기존 순위 지정 모델 및 Claude-3.5와 같은 독점적 LLM을 사용하는 비용이 많이 드는 에이전트 기반 시스템을 능가하는 최첨단 성능을 달성했습니다. 또한 SweLoc이 다양한 기존 검색 및 재순위 지정 모델의 성능 향상에 기여함을 보여주며, 이 데이터셋이 커뮤니티에 귀중한 자원이 됨을 입증합니다.

시사점, 한계점

•
시사점:
◦
효율적이고 효과적인 소프트웨어 이슈 지역화 프레임워크 SweRank 제시
◦
대규모 실제 데이터셋 SweLoc 구축 및 공개
◦
기존 방법(LLM 기반 에이전트, 기존 코드 순위 지정 모델) 대비 우수한 성능 달성
◦
SweLoc 데이터셋을 활용한 다양한 모델 성능 향상 가능성 제시
•
한계점:
◦
SweLoc 데이터셋의 범위 및 편향성에 대한 추가적인 분석 필요
◦
SweRank의 일반화 성능에 대한 추가적인 평가 필요
◦
특정 유형의 이슈 또는 코드베이스에 대한 성능 저하 가능성 존재
◦
다른 LLM이나 에이전트 기반 시스템과의 더욱 포괄적인 비교 분석 필요
👍
Made with Slashpage