Can AI Agents Keep Software Correct as It Changes?

We study AI coding agents that keep changing real codebases: which past evidence they may reuse, when they must check again, and how they recover. We judge them by the changes they complete correctly and what those changes cost.

AI 코딩 에이전트가 실제 코드베이스를 계속 고쳐 나갈 때, 어떤 과거 근거를 다시 써도 되는지, 언제 다시 확인해야 하는지, 잘못되면 어떻게 복구하는지를 연구합니다. 평가 기준은 정확하게 끝낸 변경과 그 비용입니다.

Explore Research Publications

Research Program

변화하는 소프트웨어를 AI가 끝까지 정확하게 고칠 수 있는가

AI 코딩 에이전트는 이제 한 번의 패치를 넘어 같은 코드베이스를 여러 번 고쳐 나갑니다. 요구사항이 바뀌고, 라이브러리가 업데이트되고, 다른 에이전트가 작업을 이어받습니다. SELAB은 이 과정에서 에이전트가 이전의 성공 경험·검증 기록·리뷰 판단 가운데 무엇을 그대로 믿어도 되는지, 무엇을 다시 확인해야 하는지, 언제 질문하거나 되돌려야 하는지를 연구합니다. 테스트 통과와 올바름을 구분하고, 단순하지만 강한 방법과 비교해 실제 개발에서 효과가 있는 조건과 사라지는 조건을 함께 밝힙니다.

AI는 이미 소프트웨어를 빠르게 만들어 냅니다. 우리는 그 소프트웨어가 계속 바뀌어도 믿고 쓸 수 있게 하는 방법을 연구합니다.

How We Work

Evidence Before Claims

Research Principles

01
Fixed Criteria

연구 질문과 성공·실패 기준을 실험 전에 정하고, 반복 실행의 분산까지 함께 보고합니다.
02
Passing Is Not Proof

주어진 테스트 통과, 추가 검사에서 드러난 실패, 명세 위반, 판단 보류를 구분해 평가합니다.
03
Strong Simple Baselines

다시 읽기·항상 재검사·더 큰 모델 한 번처럼 단순한 방법과 먼저 비교하고, 효과가 사라지는 조건도 결과로 보고합니다.
04
Reproducible Artifacts

변경 과제·판정 근거·실행 기록·스크립트를 남겨 제3자가 재현할 수 있게 합니다.

Research Infrastructure

SELAB의 AI R&D 인프라는 멀티-컴퓨트 노드로 운영됩니다.

CPU: 296 Threads
RAM: 896 GB
GPU: 12 GPUs
VRAM: 392 GB
SSD: 19 TB

GPU Fleet

RTX PRO 6000 ×1
RTX 5090 ×4
RTX 4090 ×7

Can AI Agents Keep Software Correct as It Changes?

변화하는 소프트웨어를 AI가 끝까지 정확하게 고칠 수 있는가

Evidence Before Claims

Research Principles

Fixed Criteria

Passing Is Not Proof

Strong Simple Baselines

Reproducible Artifacts

Research Infrastructure

ACM SAC 2027