LLM 생성 코드 스니펫을 위한 효율적이고 확장 가능한 출처 추적

연구진은 LLM이 생성한 코드 조각이 학습 데이터의 어디에서 왔는지 추적하기 위해 SOURCETRACKER와 HYBRIDSOURCETRACKER를 제안했다.

HYBRIDSOURCETRACKER는 벡터 검색으로 유력 후보를 찾고, 지문 기반 검증으로 출처를 확인해 기존 방식보다 확장성을 높였다.

THESTACKV2로 테스트한 결과, 이 방법은 식별자만 바뀐 경우를 포함해 더 긴 코드 조각에서 순수 지문 방식과 비슷하거나 더 나은 성능을 보였다.

이 기술은 표절 검사, 라이선스 준수, 대규모 코드 출처 감사에 도움이 될 수 있다.