Meta AI의 에이전틱 코딩을 위한 추론 시점 연산 확장 논문 구현체 공개

논문의 첫 번째 공개 구현체라는 점에 대해 긍정적인 반응이 예상되며, 실제 벤치마크 성능 재현 여부에 관심이 쏠리고 있다.

• Gemini API 키를 준비하여 제공된 GitHub 저장소의 코드를 실행하면 SWE-bench 테스트를 직접 수행할 수 있다.

Test-time Compute

— 모델이 답변을 생성하는 추론 단계에서 추가적인 연산 자원을 투입하여 성능을 높이는 기법이다. 에이전트가 여러 경로를 탐색하거나 결과물을 검증 및 수정하는 과정을 반복함으로써 더 정확한 결과에 도달하게 한다. 학습 단계가 아닌 실행 단계에서의 효율적인 자원 배분이 핵심이다.

PDR+RTV Pipeline

— Meta AI 논문에서 제안된 에이전틱 코딩을 위한 핵심 아키텍처이다. PDR(Plan-Draft-Refine)과 RTV(Retrieve-Then-Verify) 등의 단계를 결합하여 코딩 작업의 계획 수립부터 검증까지 자동화한다. 복잡한 소프트웨어 엔지니어링 문제를 해결하기 위한 구조적 접근법이다.

SWE-bench

— LLM이 실제 오픈소스 소프트웨어의 이슈를 해결할 수 있는지 평가하는 벤치마크 데이터셋이다. 단순한 코드 생성을 넘어 실제 GitHub 이슈를 분석하고 코드를 수정하여 테스트를 통과해야 하는 실무적인 능력을 측정한다. 에이전틱 코딩 모델의 성능 지표로 널리 사용된다.