메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Maru Gebremedhin Gebreslassie (강원대학교) Suhwan Ji (연세대학교) Minji Roh (강원대학교) Hyeonseung Im (강원대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제31권 제3호
발행연도
2025.3
수록면
152 - 157 (6page)
DOI
10.5626/KTCP.2025.31.3.152

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 논문에서는 다언어 코드 번역을 위해 다양한 코드 대형 언어 모델(code LLM)에 Quantized Low-Rank Adaptation (QLoRA)을 적용하여 효율적으로 튜닝하고 성능을 비교한다. 이를 위해 XLCoST 데이터 세트를 사용하여 42개의 프로그래밍 언어 쌍에 대해 5개의 대표적인 code LLM의 코드 번역 성능을 평가한다. 실험 결과 Java-Python 변환에서 CodeLlama-7B-Instruct와 CodeT5+ 770M 모델이 각각 0.740, 0.735점으로 가장 높은 CodeBLEU 점수를 기록했으나, 전체적으로 모델 간 평균 성능은 유사했다. 또한 언어 쌍에 따른 번역 품질 차이가 뚜렸했다. PHP-C++ 쌍은 저조했으나 Python 대상 번역은 우수한 편이었으며, 이는 모델의 사전 학습 데이터 구성과 연관된 것으로 보인다. 한편 QLoRA를 통해 CodeLlama 등 대형 모델을 단일 48GB GPU에서 효과적으로 튜닝할 수 있음을 확인하였다.

목차

요약
Abstract
1. Introduction
2. Related Work and Preliminaries
3. Methodology
4. Experiments
5. Conclusion
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092466959