오픈 소스 소프트웨어 생태계는 새로운 라이브러리의 등장이 시간이 지남에 따라 감소하는 반면, 기존 라이브러리의 새로운 조합을 통한 혁신이 지속적으로 이루어지면서 발전하고 있습니다.
기업 환경에서 대규모 언어 모델(LLM)을 효과적으로 배포하고 활용하기 위해서는 LLM의 복잡성과 기존 시스템과의 통합 문제를 해결하는 미들웨어 시스템 아키텍처가 필요하다.
LLM 기반 지속적 학습 프레임워크를 통해 개별 코드 저장소의 고유하고 진화하는 오류에 적응하여 소프트웨어 이슈에서 결함 코드 재현율을 향상시킬 수 있습니다.
본 논문에서는 객체 지향 프로그래밍에서 발생하는 오류를 줄이고, 체계적이고 효율적인 소프트웨어 개발을 위한 단계별 가이드라인을 제시합니다.
본 논문은 레거시 금융 시스템에서 빈번하게 발생하는 오류의 근본 원인을 정확히 파악하고 해결하기 위해 지식 기반 생성형 AI를 활용한 새로운 사후 분석 방법을 제시합니다.
Veryl은 SystemVerilog의 복잡성을 해결하고 현대 프로그래밍 언어의 장점을 접목시킨 새로운 하드웨어 기술 언어로, 높은 상호 운용성과 향상된 개발 환경을 제공하여 하드웨어 설계 생산성을 향상시킨다.
인간의 피드백을 통합하는 LLM 기반 소프트웨어 개발 에이전트 프레임워크(HULA)는 실제 환경에서 소프트웨어 개발 프로세스를 효율적으로 향상시킬 수 있다.
딥러닝 모델 학습 시 발생하는 데이터 버그는 모델 성능 저하의 주요 원인이며, 특히 코드, 텍스트, 메트릭 기반 데이터에서 다양한 증상으로 나타난다.
Newclid는 사용자 친화성을 개선하고 기하학적 정리 증명 능력을 향상시킨 AlphaGeometry의 리팩토링 버전으로, 사용자 인터페이스 개선, 기본 정리 지원 강화, 코드 모듈화 및 시각화 도구 제공을 통해 사용성과 확장성을 높였습니다.
본 논문은 대규모 언어 모델(LLM)을 활용하여 기술 시스템 사양이 요구사항을 충족하는지 여부를 검증하는 방법을 제안하고, 그 성능을 규칙 기반 시스템과 비교 분석하여 LLM의 활용 가능성을 탐구합니다.