[논문리뷰] When Models Edit Too Much: On the Fidelity of Minimal Code Edits본 논문은 최신 LLM이 코드 수정 작업에서 기능적 정확성(Pass@1)은 높으나, 불필요하게 많은 코드를 수정하는 Over-editing 문제를 해결하고자 합니다 . 기존의 많은 코드 벤치마크는 테스트 케이스 통과 여부만을 평가할 뿐, 수정의 최소성이나 가독성(Reviewability)을 고려하지 않는 한계가 있습니다.#Review#Code Repair#Edit Fidelity#Over-editing#Large Language Models#Reinforcement Learning#Code Maintenance2026년 9월 6일댓글 수 로딩 중
[논문리뷰] Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills본 연구는 LLM 기반 소프트웨어 엔지니어링 에이전트가 고품질 태스크 데이터 부족으로 인해 학습 및 일반화 성능이 제한되는 문제를 해결하고자 합니다. 기존 합성 데이터 생성 방식은 고정된 규칙이나 무작위 버그 주입에 의존하여 에이전트의 실제 취약점이나 학습 진행 상황을 반영하지 못한다는 한계가 있습니다.#Review#Software Engineering#Large Language Models#Reinforcement Learning#Self-Evolution#Agent Skills#Trace-Driven Learning#Code Repair2026년 6월 7일댓글 수 로딩 중