BROWSE
Detail
Conference Paper
코드 생성을 위한 RAG 파이프라인 프레임워크 설계 및 성능 분석
Cited - time in 
Share 
Share
- Issue Date
- 2026-06
- Citation
- 한국컴퓨터 종합 학술대회 (KCC) 2026, pp.624-626
- Publisher
- 한국정보과학회
- Language
- Korean
- Type
- Conference Paper
- Abstract
- Retrieval-Augmented Generation (RAG)은 외부 지식 소스에서 관련 정보를 검색하여 Large Language Model (LLM) 프롬프트에 추가 컨텍스트로 제공함으로써 환각을 줄이는 기법이다. 그러나 코드는 엄격한 문법 구조와 실행 가능성 조건을 가지므로, 자연어 질의응답(QA)과 달리 관련성이 낮은 예제는 오히려 노이즈로 작용할 수 있어 적절한 RAG 전략이 중요하다. 본 논문에서는 코드 지식의 인덱싱 및 저장, 데이터 관리, 검색, 검색 후 재순위 및 필터링 등의 정제 단계, 코드 생성에 이르는 통합적인 RAG 파이프라인 프레임워크를 설계한다. LiveCodeBench 벤치마크에서 기본 프롬프팅 전략 Direct Prompt과 제안하는 RAG 파이프라인 프레임워크를 활용한 Top-1 Prompt, Threshold-based Prompt를 비교한 결과, Threshold-based Prompt 전략이 대부분의 모델에서 가장 우수하였으나 코딩 특화 모델에서는 RAG 효과가 제한적으로 나타났으며, 모델 자체의 추론 능력에 따라 RAG의 효과가 다르게 작용함을 확인하였다.
- KSP Keywords
- Language Models