본 논문은 코드 편집 작업을 위한 밀집 검색 모델인 CoRet을 소개합니다. CoRet은 코드 의미, 저장소 구조 및 호출 그래프 종속성을 통합합니다. 새로운 기능 구현이나 버그 수정과 같은 자연어 질의를 기반으로 관련 코드 저장소 부분을 검색하는 데 중점을 둡니다. 검색된 코드 청크는 사용자 또는 두 번째 코드 편집 모델이나 에이전트에 제공될 수 있습니다. CoRet을 훈련시키기 위해 저장소 수준 검색을 위해 명시적으로 설계된 손실 함수를 제안합니다. SWE-bench 및 Long Code Arena의 버그 현지화 데이터셋에서 기존 모델보다 검색 재현율을 최소 15% 이상 향상시키는 것을 보여주며, 설계 선택의 중요성을 입증하기 위해 ablation study를 수행합니다.
