몇 가지 딜레마: 대형 언어 모델을 지나치게 자극하는 것
게시 날짜: 2025년 제3회 파운데이션과 대형 언어 모델에 관한 국제 컨퍼런스 (FLLM)
용지안 탕, 도룩 턴셀, 크리스티안 코너, 토마스 런클러
프롬프트에 예제를 너무 많이 넣으면 LLM 성능이 저하되어 기존의 몇 번의 학습 가정에 어긋날 때 과도한 프롬프트가 발생해요.이 딜레마를 연구하기 위해 GPT-4o, DeepSeek-V3, LLAMA-3.1 같은 모델에서 무작위 샘플링, 시맨틱 임베딩, TF-IDF 벡터 선택을 평가한 프롬프트 프레임워크예요.결과는 도메인별 예제가 너무 많으면 역설적으로 정확도에 해를 끼친다는 것을 보여줘요.소프트웨어 요구 사항 데이터세트로 테스트했는데 계층화되고 TF-IDF로 선택된 예제가 점차 늘면서 최적의 프롬프트 크기가 나왔어요.이 접근 방식은 최첨단 요구 사항 분류보다 1% 더 나은 성능을 보이면서 과도한 프롬프트를 피할 수 있어요.
출판사 페이지에서 봐요
소프트웨어 엔지니어링을 위한 LLM 기반 에이전트 시스템: 도전과 기회
제출처: SE2026, 정보학 총회, 본
용지안 탕, 토마스 런클러
LLM의 발전에도 불구하고 복잡한 소프트웨어 엔지니어링 작업에는 협력적이고 특화된 접근법이 필요해요.이 백서는 요구 사항 엔지니어링, 코드 생성, 테스트, 디버깅을 포함한 전체 소프트웨어 개발 라이프사이클에 걸쳐 LLM 기반 멀티 에이전트 시스템의 새로운 패러다임을 체계적으로 검토해요.모델 선택, 평가 벤치마크, 에이전트 프레임워크, 통신 프로토콜을 검사해요.또한 이 작업은 오케스트레이션, 휴먼-에이전트 조정, 비용 최적화, 데이터 수집 같은 주요 과제를 강조하여 에이전트 소프트웨어 엔지니어링 현황에 대한 필수적인 통찰력을 제공해요.
출판사 페이지에서 봐요
모델 기반 레거시 시스템 대규모 현대화
출판: 리코드 '26: 코드 번역, 변환, 현대화에 관한 제1차 워크숍 논문집, 13~18페이지
토비아스 봄, 옌스 구안 수 티엔, 모히니 노넨만, 톰 슌바르트, 바트 카펠, 안드레아스 비스도르프
이 경험 보고서는 레거시 코드베이스와 최신 대상 플랫폼 사이에 기술에 구애받지 않는 중간 모델을 삽입하는 4단계 모델 기반 접근 방식 (분석, 강화, 합성, 전환) 을 제시해요.대형 산업용 .NET 애플리케이션에 적용하면 기능적 동작은 유지하면서 사용자 인터페이스와 페이지 구조를 최신 웹 스택으로 반자동으로 마이그레이션해요.아키텍처 지식을 명시적 모델로 통합하면 유지 관리성과 개발자 경험이 향상돼요.수작업이 필요한 레이아웃 문제에도 불구하고 이 접근 방식은 위험을 줄이고 효과적으로 확장하며 재사용 가능한 패턴을 제공합니다.
출판사 페이지에서 봐요
형식 구문과 LLM 시맨틱의 연결: 레거시 코드 이해를 위한 지식 그래프 추출하기
게시 날짜: 2026 IEEE 제23회 소프트웨어 아키텍처 컴패니언에 관한 국제 컨퍼런스 (ICSA‑C)
헨릭 틸만; 베른하르트 룸페; 안드레아스 비스도르프
기존 기업들은 시대에 뒤떨어진 언어와 불분명한 식별자 때문에 유지 관리가 어려운 레거시 시스템에 의존하는 경우가 많아요.하지만 이러한 시스템을 교체하면 검증된 신뢰성을 잃을 위험이 있어요.대형 언어 모델이 아키텍처 복구와 현대화에 도움이 될 수 있지만 정확한 컨텍스트 관리가 필요해요.코드는 구문 분석 가능한 형식 언어이기 때문에 검색은 구조화되지 않은 텍스트에 의존하는 대신 프로그램 구조를 악용할 수 있어요.GraphRag용 구조 인식 지식 그래프를 만들기 위한 파싱 기반 방법론을 제안해요.이 접근법은 산업 사례 연구에서 향상된 검색 정밀도와 멀티홉 아키텍처 추론을 보여줘요.
출판사 페이지에서 봐요