LLM 기반 고수준 코드 주석 자동 생성: 전체 코드, 축약 코드, 계층적 요약 전략 비교 분석

본 연구는 LLM을 활용하여 파일 및 모듈 수준의 고수준 코드에 대한 자동 주석 생성을 위한 세 가지 전략(전체 코드, 축약 코드, 계층적 코드 요약)을 제시하고, 실험을 통해 각 전략의 효과 및 LLM 기반 품질 평가의 유용성을 검증했습니다. 파일 수준에는 전체 코드 요약이, 모듈 수준에는 계층적 요약이 효과적임을 확인했습니다.

LLM을 활용한 고수준 코드 주석 자동 생성: 새로운 지평을 열다

소프트웨어 개발에서 코드 주석 작성은 필수적입니다. 미래의 유지보수 및 업데이트를 용이하게 하기 때문이죠. 하지만 방대한 코드를 일일이 주석 처리하는 것은 개발자에게 상당한 부담입니다. 이러한 문제를 해결하기 위해 자동 코드 요약(ACS) 기술이 등장했지만, 주로 메서드 수준에 국한되어 있었습니다.

Sun 등 (2025)의 연구는 이러한 한계를 뛰어넘는 획기적인 시도입니다. 연구진은 파일 및 모듈 수준과 같은 고수준 코드 단위에 대한 주석 자동 생성에 초점을 맞추었습니다. 고수준 코드 요약은 소프트웨어 구성 요소와 아키텍처를 거시적으로 이해하는 데 매우 유용하기 때문입니다. 이를 위해 연구진은 LLM(대규모 언어 모델) 을 활용하여 세 가지 주요 전략을 제시합니다.

1. 전체 코드 요약: LLM에 전체 코드를 입력하여 요약을 생성하는 방법입니다.
2. 축약 코드 요약: 중요 부분만 추출하여 LLM에 입력하는 방법입니다. 효율성을 높이기 위한 전략이죠.
3. 계층적 코드 요약: 코드를 계층적으로 분할하여 각 부분을 요약한 후, 이를 종합하는 방법입니다. 복잡한 모듈 수준 코드에 적합합니다.

연구 결과는 매우 흥미롭습니다. 파일 수준 코드 요약에서는 전체 코드 요약이 가장 효과적이었으며, 축약 코드 요약은 비용 효율적인 대안으로 제시되었습니다. 반면 모듈 수준 코드 요약에서는 계층적 코드 요약이 가장 유망한 전략으로 나타났습니다. 더 나아가, 연구진은 LLM을 활용하여 고수준 코드 요약의 품질을 평가하는 방법을 제시하고, 그 결과가 사람의 평가와 높은 상관관계를 보임을 확인했습니다.

이 연구는 LLM 기반 ACS 기술의 발전에 큰 기여를 할 뿐만 아니라, 소프트웨어 개발의 효율성과 생산성을 크게 향상시킬 수 있는 가능성을 보여줍니다. 앞으로 고수준 코드 요약 기술의 발전과 실제 소프트웨어 개발 환경에서의 적용이 기대됩니다. 특히, LLM의 평가 기능을 활용한 자동화된 품질 관리 시스템 구축은 향후 연구 방향으로 주목할 만합니다.