최근 대규모 언어 모델(Large Language Models, LLMs)은 정적 코드 생성을 넘어서, 에이전트 기반 프레임워크를 통해 반복적인 코드 자가진화까지 가능함을 보여주며 강력한 프로그래밍 능력을 입증하고 있다. 최근 AlphaEvolve \cite{novikov2025alphaevolve}는 LLM 기반의 코딩 에이전트가 고립된 핵심 코드 블록(수백 줄의 코드에 달하는 범위) 내에서 알고리즘을 자율적으로 개선하고 인간 전문가를 능가할 수 있음을 입증하였다. AlphaEvolve의 아이디어를 계승하여, 본 연구는 LLM 기반 코드 진화 기술을 전체 레포지토리 규모로 확장한 최초의 프레임워크인 SATLUTION을 제안한다. SATLUTION은 수백 개의 파일과 수만 줄에 달하는 C/C++ 코드를 포함하는 대규모 레포지토리 환경에서 동작하며, 보편적으로 NP-완전 문제로 알려진 부울 만족성 문제(Boolean Satisfiability, SAT)를 대상으로 한다. 이 문제는 이론과 응용 분야의 핵심 기초 문제로 자리 잡고 있다. SATLUTION은 엄격한 정확성 보장을 기반으로 하며, 분산된 런타임 피드백을 수신하면서 LLM 에이전트를 조율하여 솔버 레포지토리를 직접 진화시킨다. 동시에 자체적인 진화 정책과 규칙도 자가진화할 수 있도록 설계되었다. SAT Competition 2024의 코드베이스와 벤치마크를 기반으로 시작한 SATLUTION은, SAT Competition 2025에서 인간이 설계한 우승자 솔버를 압도적으로 능가하는 성능을 발휘하였으며, 2024년 벤치마크에서는 2024년과 2025년 양 챔피언 모두를 제치는 결과를 달성하였다.