본 논문은 기존 코드베이스에 새로운 코드 라인이나 블록을 통합하는 코드 완성(code completion) 문제에 초점을 맞추고 있습니다. 코드 생성과 달리 코드 완성은 변수 범위, 객체 모델, API 호출, 데이터베이스 관계 등 주변 컨텍스트에 대한 깊은 이해를 필요로 합니다. 기존 모델들은 이러한 복잡한 컨텍스트 의존성을 효과적으로 반영하지 못해 정확도가 낮은(약 30%) 결과를 초래하는데, 특히 데이터 전송과 같이 특정 관계와 데이터 구조에 크게 의존하는 작업에서는 정확도가 더욱 떨어집니다. 본 논문에서는 데이터 전송 작업에 특화된 새로운 컨텍스트 인식 코드 완성 방법인 CCCI를 제시합니다. LLM에 데이터베이스 테이블 관계, 객체 모델, 라이브러리 세부 정보와 같은 컨텍스트 정보를 통합하여 코드 완성의 정확도를 향상시키는 방법입니다. 산업 현장의 819개 이상의 운영 스크립트에서 추출한 289개의 Java 코드 조각을 사용하여 CCCI를 평가한 결과, 49.1%의 Build Pass rate와 41.0%의 CodeBLEU 점수를 달성하여 복잡한 작업 완료에 어려움을 겪는 최첨단 방법들과 비교할 만한 성능을 보였습니다.
