# Výzkum, který zůstává otevřený kontrole.

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

Document language: cs

Zkoumám, jak reprezentace, komprese a řiditelnost ovlivňují kvalitu generovaného textu a kódu.

## Doporučený výzkum

Diagnostická metodologie

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

Kde se láme kvalita při generování komprimovaných krátkých textů: vícefázová lokalizace úzkého hrdla

FRUCT 39 2026

Oddělení selhání kodeku od selhání generování v latentním prostoru při generování komprimovaných krátkých textů.

![Vícefázový řetězec generování komprimovaného textu porovnává původní text, rekonstrukci kodekem, MDLM v prostoru kódů a dekódovaný text, aby oddělil ztrátu způsobenou kodekem od ztráty při generování.](https://aogavrilov.com/publications/where-quality-breaks/staged-codec-bottleneck-localization.svg)

*Vícefázová lokalizace úzkého hrdla odděluje ztrátu při rekonstrukci kodekem od ztráty při generování v latentním prostoru pomocí jediného společného protokolu hodnocení dekódovaného textu.*

## Další výzkum

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

Přezkoumatelné řízení regenerace softwaru se zachováním struktury

Metoda řízení v latentním prostoru FSE Companion '26 2026 Doprovodný poster

## Směry výzkumu

### Selhání kodeku, nebo generátoru?

Než vynaložíte výpočetní prostředky na nesprávnou fázi, oddělte ztrátu při rekonstrukci od ztráty při generování v latentním prostoru.

### Lokalizované a předvídatelné úpravy kódu

Předcházejte přepisování celých funkcí porovnáním selektivní regenerace, omezeného generování a refaktorizace s podporou AI podle explicitní smlouvy o zachování.

### MDLM v prostoru kódů, nebo v prostoru tokenů?

Porovnejte obě varianty pomocí jediného hodnoticího modelu pro dekódovaný text a zohledněte přitom kvalitativní strop daný ztrátovým kodekem.

## Prozkoumejte 5 konkrétních výzkumných otázek

- [Jak porovnávat jazykové modelování založené na maskované difuzi v prostoru kódů a v prostoru tokenů?](https://aogavrilov.com/cs/research-notes/code-space-vs-token-space-masked-diffusion/)
- [Jak může generativní model upravit kód, aniž by přepsal celou funkci?](https://aogavrilov.com/cs/research-notes/localized-code-modification-generative-models/)
- [Co zaručuje omezené generování kódu v pracovním postupu softwarového inženýrství?](https://aogavrilov.com/cs/research-notes/constrained-code-generation-software-engineering/)
- [Které metody a důkazy jsou podstatné pro refaktorizaci s podporou AI, která zachovává chování?](https://aogavrilov.com/cs/research-notes/ai-assisted-refactoring-evidence/)
- [Co činí generování kódu předvídatelným, a nikoli pouze řiditelným?](https://aogavrilov.com/cs/research-notes/predictable-code-generation-preservation-contract/)