대화형 LLMs는 프로그래밍 경험이 제한적인 도메인 사용자가 도메인 문제를 해결하는 데 널리 사용되고 있지만, 사용자 의도와 생성된 코드 간의 불일치로 인해 좌절감과 반복적인 설명이 발생합니다. 본 연구는 사용자 의도와 코딩 작업 모두 본질적으로 비선형적이지만 선형적인 프롬프트와 코드 시퀀스를 통해 표현되고 해석되어야 하기 때문에 발생하는 양방향 모호성으로 인한 이러한 불일치의 원인을 조사합니다. 이를 해결하기 위해, 본 논문에서는 LLM의 이해, 즉 코드 생성 전에 LLM이 추론한 코딩 작업 및 그 관계를 외부화하고 직접 조작할 수 있게 하는 새로운 Human-LLM 상호 작용 패러다임인 직접 의도-작업 매칭을 제안합니다. 개념 증명으로, 이 패러다임은 지식 증류 파이프라인을 사용하여 LLM 이해, 사용자 의도 및 그 매핑을 추출하고 시각화를 통해 사용자가 직관적으로 검사하고 편집할 수 있도록 하여 정렬을 향상시키는 NeuroSync에 구현됩니다. 기술적 실험을 통해 NeuroSync의 알고리즘 구성 요소를 평가하고 사용자 연구(N=12)를 통해 전반적인 사용성과 효과를 평가합니다. 결과는 의도-작업 정렬을 향상시키고, 인지적 노력을 줄이며, 코딩 효율성을 향상시키는 것을 보여줍니다.
