AI가 코드를 쓰는 도중 컴파일러가 개입하는 생성형 컴파일

도입

AI 코딩 도구는 빠르게 발전하고 있지만, Rust처럼 정적 의미 규칙이 풍부한 언어에서는 여전히 까다로운 문제가 남아 있다. 엄격한 타입, 소유권, 라이프타임 규칙은 더 강한 보장을 제공하지만, 모델이 생성 초기에 작은 실수를 하면 이후 코드가 그 실수를 기반으로 계속 쌓일 수 있다. arXiv 논문 “Generative Compilation: On-the-Fly Compiler Feedback as AI Generates Code”는 이 문제를 해결하기 위해 코드를 다 만든 뒤 컴파일하는 대신, 생성 과정 중간에 컴파일러 피드백을 활용하는 방식을 제안한다.

핵심 내용

• 기존 방식의 한계: 일반적으로는 모델이 전체 코드를 생성한 뒤 컴파일러 오류를 확인하고 다시 수정한다. 하지만 피드백이 늦게 오기 때문에 초기 오류가 연쇄 오류로 번지고, 원인을 좁히기 어려워질 수 있다.
• 제약 디코딩과의 차이: 제약 디코딩은 샘플링 중 잘못된 토큰을 거부할 수 있지만, 보통 모델 내부에 접근해야 하고 복잡한 의미 제약을 별도로 구현해야 한다. 이 논문은 기존 컴파일러를 재활용해 그 부담을 줄이는 방향을 택한다.
• sealor라는 핵심 장치: 연구진은 sealor라는 가벼운 변환을 도입한다. 이는 주로 구문 정보를 바탕으로 미완성 부분 프로그램을 컴파일러가 진단할 수 있는 완전한 프로그램으로 바꾼다. 아직 완성 가능성이 있는 부분 프로그램은 잘못 거부하지 않으면서, 실제로 막다른 길에 들어선 오류는 가능한 한 빨리 드러내는 것이 목표다.
• 형식화와 실제 Rust 적용: 저자들은 Rust와 유사한 핵심 계산 체계에서 sealor를 구성하고 주요 성질을 Lean으로 기계화 증명했다. 또한 이를 실제 Rust를 위한 부분 프로그램 검사기로 확장했다.
• 평가 결과: 논문은 저장소 수준의 어려운 Rust 코딩 과제에서 프런티어급 블랙박스 모델과 오픈 웨이트 모델을 대상으로 평가했다. 그 결과, 생성 후 컴파일러 피드백을 주는 표준 방식에 비해 컴파일되지 않는 출력이 줄고 기능적 정확성이 향상됐다고 설명한다.

의미와 영향

이 연구의 핵심은 컴파일러를 대체하는 것이 아니라, AI 코딩 파이프라인에서 컴파일러가 등장하는 시점을 바꾸는 데 있다. 기존에는 컴파일러가 최종 검문소에 가까웠다면, 생성형 컴파일에서는 코드가 아직 완성되지 않은 단계부터 지속적으로 진단을 제공하는 협업자에 가까워진다.

개발자 도구 관점에서는 더 빠르고 집중된 피드백이 가능해질 수 있다. AI가 완성된 뒤 망가진 코드를 크게 고치는 대신, 오류가 발생한 지점에 더 가까운 시점에서 방향을 수정할 수 있기 때문이다. 특히 Rust처럼 문맥과 의미 제약이 중요한 언어에서는 단순한 문법 검사를 넘어서는 가치가 있다.

물론 실제 제품에 적용하려면 IDE, 코드 에이전트, 클라우드 개발 환경과의 통합, 반복적인 컴파일 비용, 다른 언어로의 확장 같은 과제가 남아 있다. 그럼에도 이 논문은 컴파일러를 사후 검증 도구가 아니라 AI 코드 생성 과정의 일급 구성요소로 다루는 방향을 분명히 보여준다.

출처: arXiv