Linux 커널 취약점을 고친 한 SWE AGENT 궤적에는 세 차례 피드백을 거치며 21개 변경 줄이 남았다. 실제 수정에 필요한 줄은 3개였다. 연구진은 정답을 찾는 동안 추가됐다가 버려진 가설과 임시 변경이 최종 패치에 남는 현상을 ‘CodeSlop’으로 정의했다. 패치가 테스트를 통과해도 검토할 줄과 유지할 코드가 불필요하게 늘어나는 문제다.
TRIM(Trajectory-guided Redundancy Identification and Minimization)은 완성된 패치를 다시 쓰게 하지 않는다. 에이전트가 남긴 편집과 테스트 요청으로 탐색 경로를 재구성한 뒤, 편집 시퀀스·파일·개별 편집 순서로 후보를 줄인다. 각 단계에서 에이전트가 사용한 테스트를 계속 통과하고 패치가 더 작아질 때만 제거를 받아들인다.
평가는 CRASHFIXER, SWE AGENT, MINISWE AGENT, OPENHANDS 네 스캐폴드가 Live-kBench와 SWE-Bench에서 만든 4,544개 수리 궤적을 대상으로 했다. 논문은 433개의 성공한 수리 가운데 처음부터 편집 하나로 끝난 140개를 제외하고 293개를 주요 평가 대상으로 삼았다고 설명한다. 오라클 테스트는 최소화 과정에 제공하지 않고 결과 평가에만 사용했다.
| 검증 항목 | 보고 결과 | 조건 |
|---|---|---|
| CodeSlop 감소 | 17.8%~32.9% | 4개 에이전트 스캐폴드 |
| 에이전트 기반 기준선 대비 | 1.6배~3.1배 | 편집 단계 TRIM-G |
| 검증 비용 | 약 2.6천 회 | DD-Hunk 약 5.2천 회와 비교 |
| 오라클 정확성 유지 | 327/330건(99.1%) | 회귀 3건 |
자료: STORIUM 정리
편집 단계 TRIM-G는 CodeSlop을 17.8%~32.9% 줄여 에이전트 기반 최소화 기준선보다 1.6배~3.1배 높은 감소율을 냈다. 논문 초록은 하한을 17.9%로 적어 본문 요약의 17.8%와 0.1%포인트 차이가 있다. 검증 호출은 약 2.6천 회로 DD-Hunk의 약 5.2천 회보다 적었고, 성공 수리 330건 중 327건에서 오라클 정확성을 유지했다. 18개 패치는 개발자 작성 해법과 같은 형태가 됐다.
이 결과는 성공한 수리와 두 벤치마크, 네 스캐폴드에서 얻은 값이다. 연구진도 벤치마크 일반화, 테스트 조건, 오라클 평가의 한계를 명시했다. 에이전트에게 패치 축소를 직접 맡긴 비교에서는 3.8%~44.9%가 동작을 보존하지 못하거나 패치가 더 커졌다. TRIM은 2026년 7월 20일 공개된 동료검토 전 arXiv 프리프린트로, 다른 코드베이스와 장기 유지보수 효과는 아직 확인되지 않았다.
저작권자 © STORIUM 무단전재 및 재배포 금지
