Caetano Melone, Daniel Nichols, Konstantinos Parasyris, Todd Gamblin, Harshitha Menon
개요
본 논문은 HPC 소프트웨어 생태계에서 Spack 레시피 생성을 돕기 위한 LLM 및 context-augmentation 방법을 체계적으로 분석한다. SpackIt이라는 프레임워크를 개발하여, 저장소 분석, 관련 예제 검색, 진단 피드백을 통한 반복적인 개선을 통합한다. 308개의 오픈 소스 HPC 패키지를 대상으로 SpackIt의 효과를 평가했으며, 설치 성공률을 크게 향상시켰다.
시사점, 한계점
•
LLM을 활용한 Spack 레시피 자동 생성 가능성을 제시하고, context-augmentation 방법의 효과를 입증.
•
SpackIt 프레임워크를 통해 실제 HPC 패키지에 대한 레시피 생성 성공률을 크게 향상시킴.
•
0-shot 환경에서 20%였던 설치 성공률을 최고 80% 이상으로 향상.
•
수동으로 작성된 레시피 유지 보수의 노동 집약적인 문제를 해결하는 데 기여할 수 있음.
•
LLM 기반 코드 생성의 한계를 극복하기 위해 검색 및 구조화된 피드백의 중요성을 강조.
•
308개 패키지 대상으로 제한된 실험 진행.
•
SpackIt의 일반화 가능성과 다른 HPC 패키지 또는 환경에 대한 적용 가능성은 추가 연구 필요.
