# Изследвания, които остават достъпни за проверка.

Canonical HTML: https://aogavrilov.com/bg/

Document language: bg

Изследвам как представянията, компресията и управляемостта влияят върху качеството на генерирания текст и код.

## Избрани изследвания

Диагностична методология

### [Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization](https://aogavrilov.com/bg/publications/where-quality-breaks/)

Къде се срива качеството при компресирано генериране на кратък текст: поетапно локализиране на тясното място

FRUCT 39 2026

Разграничаване на проблемите в кодека от проблемите при генерирането в латентното пространство при компресирано генериране на кратък текст.

![Поетапен конвейер за генериране на компресиран текст, който съпоставя оригиналния текст, реконструкцията чрез кодека, MDLM в кодовото пространство и декодирания текст, за да разграничи загубата от кодека от загубата при генерирането.](https://aogavrilov.com/publications/where-quality-breaks/staged-codec-bottleneck-localization.svg)

*Поетапното локализиране на тясното място разграничава загубата при реконструкция чрез кодека от загубата при генериране в латентното пространство посредством единен протокол за оценяване на декодирания текст.*

## Други изследвания

### [Inspectable Control for Structure-Preserving Software Regeneration](https://aogavrilov.com/bg/publications/inspectable-control/)

Контрол с възможност за проверка при регенериране на софтуер със запазване на структурата

Метод за контрол в латентното пространство FSE Companion '26 2026 Съпътстващ постер

## Изследователски направления

### Проблем в кодека или в генератора?

Разграничете загубата при реконструкцията от загубата при латентното генериране, преди да изразходвате изчислителни ресурси за погрешния етап.

### Локализирано и предвидимо редактиране на код

Предотвратете цялостното пренаписване на функции, като сравните избирателното регенериране, ограниченото генериране и подпомогнатото от ИИ рефакториране при изричен договор за запазване.

### MDLM в пространството на кодовете или в пространството на токените?

Сравнете двата подхода с един и същ оценяващ модел за декодирания текст, като отчетете тавана на качеството, наложен от кодека със загуби.

## Преглед на 5 конкретни изследователски въпроса

- [Как следва да се сравнява езиковото моделиране чрез маскирана дифузия в кодовото пространство и в пространството на токените?](https://aogavrilov.com/bg/research-notes/code-space-vs-token-space-masked-diffusion/)
- [Как генеративен модел може да променя код, без да пренаписва цялата функция?](https://aogavrilov.com/bg/research-notes/localized-code-modification-generative-models/)
- [Какво гарантира ограниченото генериране на код в работен процес по софтуерно инженерство?](https://aogavrilov.com/bg/research-notes/constrained-code-generation-software-engineering/)
- [Кои методи и доказателства са съществени за рефакториране със запазване на поведението и помощ от ИИ?](https://aogavrilov.com/bg/research-notes/ai-assisted-refactoring-evidence/)
- [Какво прави генерирането на код предвидимо, а не просто управляемо?](https://aogavrilov.com/bg/research-notes/predictable-code-generation-preservation-contract/)