Versagen des Codecs oder des Generators?
Trennen Sie den Rekonstruktionsverlust vom Verlust der latenten Generierung, bevor Rechenressourcen für die falsche Stufe aufgewendet werden.
Diagnoseleitfaden öffnenAlexey Gavrilov
Forscher im Bereich maschinelles LernenITMO University
Forschung, die überprüfbar bleibt.
Ich untersuche, wie Repräsentationen, Kompression und Steuerbarkeit die Qualität generierter Texte und Programme prägen.
Forschungsrichtungen
Lokale und vorhersagbare Codebearbeitung
Vollständige Neufassungen von Funktionen verhindern, indem selektive Regenerierung, beschränkte Generierung und KI-gestütztes Refactoring unter einem expliziten Erhaltungsvertrag verglichen werden.
Projekt erkunden5 fokussierte Forschungsfragen anzeigen
- Wie sollte maskierte Diffusionssprachmodellierung im Code- und Tokenraum verglichen werden?
- Wie kann ein generatives Modell Code ändern, ohne die gesamte Funktion neu zu schreiben?
- Was garantiert eingeschränkte Codegenerierung in einem Softwareentwicklungsablauf?
- Welche Methoden und welche Evidenz sind für KI-gestütztes verhaltenserhaltendes Refactoring relevant?
- Was macht Codegenerierung vorhersagbar statt lediglich steuerbar?
Ausgewählte Forschung
Diagnostische Methodik
Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
Wo Qualität bei komprimierter Kurztextgenerierung einbricht: stufenweise Lokalisierung von Engpässen
Trennung von Codec-Fehlern und Fehlern der latenten Generierung bei der Erzeugung komprimierter Kurztexte.
Weitere Forschung
Alle Publikationen anzeigenInspectable Control for Structure-Preserving Software Regeneration
Überprüfbare Steuerung für die strukturerhaltende Regenerierung von Software