# Forschung, die überprüfbar bleibt.

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

Document language: de

Ich untersuche, wie Repräsentationen, Kompression und Steuerbarkeit die Qualität generierter Texte und Programme prägen.

## Ausgewählte Forschung

Diagnostische Methodik

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

Wo Qualität bei komprimierter Kurztextgenerierung einbricht: stufenweise Lokalisierung von Engpässen

FRUCT 39 2026

Trennung von Codec-Fehlern und Fehlern der latenten Generierung bei der Erzeugung komprimierter Kurztexte.

![Stufenweise Pipeline zur komprimierten Textgenerierung, die Originaltext, Codec-Rekonstruktion, MDLM im Coderaum und dekodierten Text vergleicht, um Codec- und Generierungsverlust voneinander zu trennen.](https://aogavrilov.com/publications/where-quality-breaks/staged-codec-bottleneck-localization.svg)

*Die stufenweise Lokalisierung von Engpässen trennt den Codec-Rekonstruktionsverlust vom Generierungsverlust im latenten Raum und verwendet dabei ein gemeinsames Bewertungsprotokoll für dekodierten Text.*

## Weitere Forschung

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

Überprüfbare Steuerung für die strukturerhaltende Regenerierung von Software

Steuerungsverfahren für den latenten Raum FSE Companion '26 2026 Begleitposter

## Forschungsrichtungen

### Versagen des Codecs oder des Generators?

Trennen Sie den Rekonstruktionsverlust vom Verlust der latenten Generierung, bevor Rechenressourcen für die falsche Stufe aufgewendet werden.

### Lokale und vorhersagbare Codebearbeitung

Vollständige Neufassungen von Funktionen verhindern, indem selektive Regenerierung, beschränkte Generierung und KI-gestütztes Refactoring unter einem expliziten Erhaltungsvertrag verglichen werden.

### MDLM im Coderaum oder im Tokenraum?

Beide mit demselben Bewertungsmodell für dekodierten Text vergleichen und dabei die Qualitätsobergrenze berücksichtigen, die ein verlustbehafteter Codec vorgibt.

## 5 fokussierte Forschungsfragen anzeigen

- [Wie sollte maskierte Diffusionssprachmodellierung im Code- und Tokenraum verglichen werden?](https://aogavrilov.com/de/research-notes/code-space-vs-token-space-masked-diffusion/)
- [Wie kann ein generatives Modell Code ändern, ohne die gesamte Funktion neu zu schreiben?](https://aogavrilov.com/de/research-notes/localized-code-modification-generative-models/)
- [Was garantiert eingeschränkte Codegenerierung in einem Softwareentwicklungsablauf?](https://aogavrilov.com/de/research-notes/constrained-code-generation-software-engineering/)
- [Welche Methoden und welche Evidenz sind für KI-gestütztes verhaltenserhaltendes Refactoring relevant?](https://aogavrilov.com/de/research-notes/ai-assisted-refactoring-evidence/)
- [Was macht Codegenerierung vorhersagbar statt lediglich steuerbar?](https://aogavrilov.com/de/research-notes/predictable-code-generation-preservation-contract/)