LLM 기반 코드 번역 시스템에서 기능 정확성은 향상되었지만 런타임 효율성은 상대적으로 간과되어 왔어요. 런타임 효율성은 프로그램 품질에 중요한 요소로, LLM 번역 코드는 종종 사람이 쓴 코드보다 느려요. 연구진은 SwiftTrans 프레임워크를 제안하여 다양한 번역 후보를 생성하고, 차이점을 고려하여 최적의 후보를 선택하는 방식으로 기능 정확성과 런타임 효율성을 모두 개선했어요.
MpTranslator는 병렬 인컨텍스트 러닝(ICL)을 활용하여 다양한 번역 후보를 생성하고, DiffSelector는 번역 후보 간 차이점을 비교하여 최적의 후보를 선택해요. 연구진은 MpTranslator에 계층적 가이드, DiffSelector에 순서적 가이드를 도입하여 LLM의 적응력을 높였어요.
CodeNet, F2SBench, SwiftBench 벤치마크에서 SwiftTrans는 기능 정확성과 런타임 효율성 모두에서 일관된 성능 향상을 보여줬어요.