[논문리뷰] Repo0: Design-Driven Zero-to-All Code Generation

2026년 8월 20일수정: 2026년 8월 20일

링크: 논문 PDF로 바로 열기

저자: Silin Chen, Haoyi Teng, Xiaodong Gu, Yuling Shi, Jiale Huang, Yongpan Wang, Hongyu Zhang, Haibing Guan

1. Key Terms & Definitions (핵심 용어 및 정의)

Zero-to-All Code Generation: 사전 정의된 아키텍처 없이 자연어 요구사항만으로 전체 소프트웨어 프로젝트를 구축하는 고난도 과제입니다.
Dual-DAG: 요구사항 계층(Requirement-level DAG)과 구현 계층(Component-level DAG)을 분리하여 관리하는 아키텍처 상태 표현 모델입니다.
Structural Evolution: 정적인 계획 대신, 모듈성 지표에 따라 저장소 아키텍처(컴포넌트 경계 등)를 반복적으로 수정하며 최적화하는 동적 프로세스입니다.
Modularity Metrics: 컴포넌트의 Cohesion(응집도)과 Coupling(결합도)을 측정하여 구조적 최적화(split, merge 등)를 결정하는 정량적 지표입니다.
TDD (Test-driven Development): 생성된 아키텍처 기반으로 인터페이스를 정의하고, 테스트를 먼저 작성한 후 구현을 진행하여 검증하는 코드 생성 워크플로우입니다.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 기존 Code Generation 모델들이 소프트웨어 아키텍처를 사전에 정의된 정적 아티팩트로 간주한다는 한계를 해결하고자 합니다. 기존 방식은 개발 도중 드러나는 아키텍처상의 결함(낮은 응집도, 과도한 결합 등)을 실시간으로 수정하지 못하여, 복잡한 프로젝트 구축 시 성능이 저하되는 문제가 발생합니다 [Figure 1]. 따라서, 저자들은 요구사항 분석부터 구현까지 아키텍처가 점진적으로 진화해야 한다는 점에 주목하여, 이를 연속적인 구조적 진화 프로세스로 재정의하는 새로운 프레임워크를 제안합니다.

3. Method & Key Results (제안 방법론 및 핵심 결과)

본 논문은 Repo0라 명명된 디자인 주도형 구조적 진화 프레임워크를 제안합니다. Repo0는 자연어 요구사항을 Dual-DAG로 변환한 후, Modularity Metrics를 활용한 구조적 액션(split, merge, revise, save)을 반복적으로 수행하여 아키텍처의 구조적 수렴(Structural Convergence)을 달성합니다 [Figure 2]. 이후, 수렴된 아키텍처를 기반으로 TDD 워크플로우를 적용하여 코드를 생성하며, 검증 과정의 피드백을 통해 로컬 수정을 진행합니다.

실험 결과, Repo0는 GPT-5 mini와 DeepSeek V3.2 모델 환경 모두에서 기존 SOTA 모델인 RPG 대비 우수한 성능을 입증했습니다. Functionality Coverage에서 최대 20.08% 포인트, Pass Rate에서 최대 29.74% 포인트 향상된 성과를 거두었습니다 [Table II]. 특히, Structural Evolution 과정을 생략했을 때 성능 하락이 가장 두드러지게 나타나, 지표 기반의 점진적 구조 개선이 필수적임을 정량적으로 증명했습니다 [Table III].

4. Conclusion & Impact (결론 및 시사점)

본 연구는 코드 생성의 핵심 병목인 저장소 아키텍처 설계를 정적 계획이 아닌 지속적인 진화 과정으로 전환함으로써 자율적 소프트웨어 개발의 새로운 패러다임을 제시합니다. Repo0의 구조적 진화 프레임워크는 대규모 프로젝트 생성 시 고품질의 모듈러 설계를 보장하며, 복잡한 의존성을 효과적으로 관리할 수 있습니다. 본 연구는 학계의 소프트웨어 공학 에이전트 연구에 구조적 사고를 도입하고, 산업계의 자동화된 레포지토리 구축 기술 발전에 실질적인 기여를 할 것으로 기대됩니다.