[논문] FASE: 코드 품질을 위한 빠른 적응형 의미 엔트로피
개요
멀티에이전트 코드 생성은 인간 소프트웨어 엔지니어링 라이프사이클을 시뮬레이션함으로써 자율적인 소프트웨어 개발을 위한 유망한 패러다임을 제공합니다. 그러나 시스템 신뢰성은 여전히 LLM 환각 및 상호 작용하는 에이전트 간 오류 전파에 의해 저해됩니다. 의미 엔트로피는 정답이 없는 상황에서도 불확실성을 정량화하는 원칙적인 방법을 제공하지만, 기존 방법들은 비용이 많이 드는 LLM 기반 동등성 검증에 의존하는 경우가 많습니다. 본 연구에서는 구조적·의미적 차이 그래프의 최소 신장 트리를 기반으로 기능적 정확성을 근사하는 새로운 지표인 Fast Adaptive Semantic Entropy (FASE)를 제안합니다. HumanEval와 BigCodeBench에서의 평가 결과, FASE는 LLM 함의에 의한 최신 의미 엔트로피를 능가하며, Qwen3-Embedding-8B 모델을 사용할 때 Spearman 상관계수에서 평균 25% 향상, Pass@1에 대한 실제 테스트 케이스 대비 ROCAUC 점수에서 19% 상승을 달성했습니다. 또한 비용이 많이 드는 LLM 기반 동등성 평가를 제거함으로써 FASE는 전통적인 의미 엔트로피 접근법의 실행 시간 비용의 약 0.3%만을 차지하는 무시할 수 있는 계산 오버헤드만을 발생시킵니다. 이러한 결과는 FASE가 실제 멀티에이전트 워크플로우에서 불확실성 정량화를 최적화하기 위한 실용적이고 비용 효율적인 솔루션임을 입증합니다.
주요 기여
이 논문은 다음 분야의 연구를 제시합니다.
- cs.SE
- cs.AI
- cs.MA
방법론
자세한 방법론은 전체 논문을 참고하십시오.
실용적 함의
이 연구는 cs.SE 분야의 발전에 기여합니다.
저자
- Shizhe Lin
- Ladan Tahvildari
논문 정보
- arXiv ID: 2606.09800v1
- 분류: cs.SE, cs.AI, cs.MA
- 발표일: 2026년 6월 8일
- PDF: PDF 다운로드