Yap: 특정 유형의 AI 슬롭

LLM 생성 코드에는 실제 정보를 전달하지 않은 채 장황하기만 한 주석이 많으며, 이를 Yap으로 명명하면 코드 리뷰에서 반복되는 문제를 빠르게 지적할 수 있음 주석은 맥락·용어·위치를 세심하게 다듬어야 하지만 컴파일러 검증을 받지 않아, 처음부터 틀리거나 코드 변경 후 부정확해지기 쉬움 코드 리뷰를 다른 LLM에 맡기는 것만으로는 부족하며, 판단 품질과 지시 준수 여부, 중요한 사항을 잊는 문제가 여전히 남아 있음 Yapping은 이해시키기 위한 소통이 아니라 말 자체를 위한 발화로, 추론 모델과 인간 모두 사고 과정에서 사용하지만 LLM은 그 잔여물을 코드 주석에 과도하게 노출함 리뷰에서 yap은 주석의 가치·길이·위치·필요성을 재검토하라는 축약어로 작동하며, 반복되는 문제에 이름을 붙여 공유하면 검토를 효율화할 수 있음 코드 주석이 본래 어려운 이유 좋은 주석을 쓰려면 맥락을 당연시하지 않고, 일관된 용어를 사용해 필요한 정보를 적절한 위치에 배치해야 함 만족스러운 결과를 얻으려면 처음 쓴 장황한 문장을 다시 읽고, 불필요한 부분을 삭제한 뒤 남은 표현을 여러 차례 다듬어야 함 주석에는 정적 분석이나 정확성을 확인하는 컴파일러 검증이 없음 타입, 함수 시그니처, 변수 이름이 바뀌면 관련 코드는 반드시 수정해야 함 반면 주석은 코드가 달라져도 자동으로 수정되지 않음 이 때문에 처음부터 부정확하거나 시간이 지나 코드와 어긋난 주석이 많이 남게 됨 LLM 코드 리뷰의 한계 LLM이 대량의 코드를 생성하면서 사람이 검토해야 할 LLM 생성 코드도 함께 늘어남 사람의 검토 시간을 줄이려고 다른 LLM에 리뷰를 맡기는 것만으로는 충분하지 않음 첫 번째 모델이 좋다고 판단한 코드를 두 번째 모델이 더 나은 감각으로 평가하리라 확신하기 어려움 LLM은 지시를 일관되게 따르지 않음 인간처럼 잘난 척하거나 사용자의 판단보다 자신이 낫다는 듯 행동하며, 중요한 사항을 잊기도 함 결국 인간이 검토에 계속 참여해야 한다면, 반복되는 문제를 빠르게 식별하고 전달할 방법이 필요함 Talking과 Yapping의 차이 LLM이 알아볼 수 있는 단어와 이해 가능한 문장을 사용하더라도 반드시 좋은 소통인 것은 아님 소통은 능력 수준이 아니라 의도에 따라 두 종류로 단순화할 수 있음 Talking: 다른 사람이 무언가를 이해하도록 말하는 실제 소통 Yapping: 상대가 이해하거나 듣는 것이 목적이 아니라, 말 자체를 위해 이어지는 발화 ...