대규모 엔터프라이즈 코드베이스에서 수동으로 해결할 수 없을 만큼 많은 lint 오류가 발생하여 기술 부채가 누적되고 개발 효율이 저하되는 문제를 해결하기 위해, 대규모 언어 모델(LLM) 기반의 자동 lint 오류 수정 워크플로우인 BitsAI-Fix를 제시한다. BitsAI-Fix는 tree-sitter를 이용하여 문맥을 확장하고, 특별히 훈련된 LLM을 통해 검색 및 교체 형식의 패치를 생성하며, lint 검사를 통해 최종 수정 결과를 출력한다. 또한, 프로젝트 초기 단계에서 검증 가능한 훈련 데이터를 자동으로 획득하고, 시스템 배포 후 피드백을 통해 온라인 샘플을 수집하여 모델을 지속적으로 반복 학습시키는 진보적인 강화 학습(RL) 전략을 도입하였다. 형식 보상과 정확성 보상을 결합하고 중복 수정을 처벌하는 목표 지향적 규칙 기반 보상 메커니즘과 온라인 효율성을 지속적으로 추적하는 "코드 diff 매칭" 방법론을 제안한다. 바이트댄스에서의 실제 배포를 통해 5,000명 이상의 엔지니어를 지원하고 12,000개 이상의 정적 분석 문제를 해결했으며, 약 85%의 수정 정확도를 달성하고 주간 활성 사용자 1,000명을 확보했다. 이는 엔터프라이즈 환경에서 LLM 기반 코드 수정 솔루션의 실현 가능성을 보여주는 사례이다.
