Python 의존성 지옥에서 벗어나기: Python 의존성 해결을 위한 하이브리드 리플레이-수리 파이프라인
Escaping Python Dependency Hell: A Hybrid Replay-and-Repair Pipeline for Python Dependency Resolution
Python 생태계의 의존성 충돌은 호환되지 않는 버전 제약, 누락된 패키지, 문서화되지 않은 호환성 관계에서 비롯되어, 많은 실세계 코드 스니펫이 실행 시 실패하게 만든다. 본 논문은 의존성 실패 스니펫 2,891개로 구성된 HG2.9K 벤치마크에서 평가된 하이브리드 의존성 수리 파이프라인인 PLLM+를 제시한다. PLLM+는 LLM 기반 수리를 호출하기 전에 비용이 적은 결정론적 단계를 우선한다: 정적 AST 기반 인터프리터 추론, 대회에서 제공된 solutions database의 과거에 성공한 의존성 구성의 리플레이(replay), 후보 패키지 버전에 대한 실시간 PyPI 검증. 이 단계들로 사례가 해결되지 않으면, 유형화된 오류 분류와 Proposer/Critic 에이전트를 갖춘 구조화된 LLM 기반 수리 루프로 폴백한다. HG2.9K에서 PLLM+는 2,891개 스니펫 중 1,500개를 해결했으며, PLLM 기준선이 해결한 1,169개와 비교된다. 또한 스니펫당 평균 실행 시간을 368.7초에서 71.8초로 줄였다. 대부분의 성공적 수정은 알려진 구성의 리플레이에서 나온다: 1,500건의 성공 수정 중 1,495건은 solutions database가 생성했고, LLM 폴백은 추가로 5건을 담당했다. 이 결과는 이 벤치마크 설정에서, 이전에 검증된 의존성 구성의 결정론적 재사용이 단순하고 효과적인 전략이며, LLM 기반 수리는 기존 해법이 다루지 못하는 사례에 대한 2차 폴백 역할을 한다는 것을 시사한다.