大規模言語モデル（LLM）は、ソフトウェア開発分野において、コード生成やコード補完など多様なタスクで活用されている。Code Llamaのような事前学習済みかつfine-tuning済みのコーディングモデルは、高度なコード生成能力を実現しているものの、特定の開発手法や最新のプログラミング言語のアップデートへの適応には限界がある。本研究では、この課題に対処するため、仮説文書の埋め込みを用いたRAGシステムの実験及び評価を行った。この検証を通じて、提案手法と従来のRAGシステムを比較し、事前学習済みモデルの限界を補完する新たな手法としての有用性とその限界を示した。これにより、本アプローチは、より柔軟で高精度なコード生成システムの開発に寄与する有益な手法を提示している。
