MicroPerf-Bench: 마이크로서비스 성능 최적화로 코딩 에이전트 실력 재기와 42% 회복 한계

2026-10-21 arXiv 제출 · ax-trend 이슈 #3449 · 성능 최적화

MicroPerf-Bench 개요 — 마이크로서비스 종단간 성능 최적화로 코딩 에이전트 실력 측정
MicroPerf-Bench — 종단간 성능 최적화로 코딩 에이전트를 재는 벤치마크

핵심 — 최고 구성도 주입된 성능 저하의 42.0%만 회복했다

방법 — 실증 기반 성능 안티패턴을 실제 오픈소스 시스템에 주입, 65개 최적화 인스턴스·7개 시스템·9개 안티패턴
방법 — 실증 기반 안티패턴을 실제 오픈소스 시스템에 주입

방법 — 안티패턴을 실제 시스템에 주입해 재현 가능한 과제를 만든다

수치 — 1,755회 실행, 최고 구성도 42.0% 회복, 지배적 실패는 기능상 맞지만 성능을 못 올리는 변경
수치 — 지배적 실패는 기능상 맞지만 성능을 못 올리는 변경이었다

수치 — 지배적 실패는 '돌아가지만 느린' 변경이었다

실무 처방 — 성능 최적화 태스크를 에이전트에 넘기기 전에 병목 위치 파악 능력을 이 벤치마크로 먼저 검증
실무 처방 — 병목 위치 파악 능력부터 이 벤치마크로 검증

의미 — '병목을 찾을 수 있는가'가 먼저다

AX TF 관점. 사내에 코딩 에이전트를 성능 최적화 업무에 투입하기 전, MicroPerf-Bench 65개 인스턴스를 그대로 돌려 현재 구성의 회복률을 측정해둘 가치가 있다 (이슈 배경). 주입된 저하를 기준으로 삼으면, "에이전트가 실제로 빠르게 만든 것"과 "돌아가기만 하는 것"을 구분할 수 있다. 벤치마크 결과가 에이전트 도입의 기준선이 된다.

아직 안 밝혀진 것 — 7개 시스템 명단·9개 구성 명단·안티패턴 대표성

⚠️ 미확인: 7개 시스템·9개 안티패턴의 구체적 명단은 초록에 없다 (arXiv). 9개 에이전트-모델 구성의 명단도 초록에 없다 (arXiv). 주입 안티패턴이 실제 운영 병목을 얼마나 대표하는지는 검증이 필요하다 (이슈 배경). 시스템 수준 병목 위치 파악이 핵심 과제라는 결론의 정량 근거는 논문 본문 확인이 필요하다.

원문 이슈

이 글은 ax-trend 이슈 #3449을 바탕으로 작성됐다. 핵심 링크: arXiv:2610.29695 — MicroPerf-Bench (2026-10-21 제출).

AI 코딩성능 최적화agentic benchmark