본 논문은 대규모 언어 모델(LLM) 기반의 다중 에이전트 시스템인 TRANSAGENT를 제안합니다. TRANSAGENT는 소스 코드를 다른 프로그래밍 언어로 변환하는 과정에서 발생하는 구문 오류 및 의미 오류를 수정하여 LLM 기반 코드 번역의 정확성과 효율성을 향상시킵니다. 기존의 규칙 기반 방법과 달리, 병렬 데이터를 활용한 학습 기반 방법과 LLM을 활용하며, 초기 코드 번역기, 구문 오류 수정기, 코드 정렬기, 의미 오류 수정기의 네 가지 LLM 기반 에이전트의 시너지를 통해 오류를 수정합니다. 특히, 타겟 프로그램과 소스 프로그램의 실행 정렬을 기반으로 오류 코드 블록을 먼저 찾아내어 수정 범위를 좁힘으로써 오류 수정의 어려움을 줄이는 것이 핵심입니다. 새로운 벤치마크를 구축하여 TRANSAGENT를 평가한 결과, 최신 LLM 기반 코드 번역 기술인 UniTrans보다 번역 효율성과 효과성이 모두 우수함을 확인하였으며, 다양한 LLM과 에이전트별 기여도 분석을 통해 TRANSAGENT의 일반화 성능 및 각 에이전트의 효과를 검증했습니다.
