버그 리포트는 소프트웨어 결함 추적과 유지보수에 중요하지만, 오픈 소스 환경에서는 비전문가 작성으로 불완전성과 비정형성이 발생해 재현성과 품질 저하를 초래한다. 기존 연구는 템플릿 기반이나 단순 파인튜닝에 머물러 CTQRS와 같은 품질 지표를 충분히 활용하지 못했고, Few-shot 효과도 검증되지 않았다. 본 연구는 대규모 언어 모델에 QLoRA-4bit 파인튜닝을 적용하고, CTQRS 기반 구조화 프롬프트, Chain-of-Thought 추론, one·two-shot 예시 제공을 결합한 방법을 제안한다. Bugzilla 3,966쌍 데이터셋 실험에서 CTQRS는 77%에서 94%, ROUGE-1 Recall은 0.61에서 0.87, SBERT 유사도는 85에서 90으로 향상되었으며, QLoRA만으로도 베이스라인 성능보다 향상하였다. 추가적으로 본 연구는 구조화·추론·예시 제공이 성능 향상을 보였고, 자원 효율적 파인튜닝의 가능성을 제시한다.
Choi et al. (Tue,) studied this question.