Koodekin vai generaattorin virhe?
Erota rekonstruktiohäviö latenttigeneroinnin häviöstä ennen laskentaresurssien käyttämistä väärään vaiheeseen.
Avaa diagnostiikkaopasAlexey Gavrilov
Koneoppimisen tutkijaITMO University
Tutkimus säilyy tarkasteltavana.
Tutkin, miten representaatiot, pakkaaminen ja ohjattavuus vaikuttavat generoidun tekstin ja koodin laatuun.
Tutkimussuunnat
Paikallinen ja ennakoitava koodinmuokkaus
Ehkäise kokonaisten funktioiden uudelleenkirjoittaminen vertaamalla valikoivaa uudelleengenerointia, rajoitettua generointia ja tekoälyavusteista refaktorointia selkeästi määritellyn säilyttämissopimuksen puitteissa.
Tutustu hankkeeseenSelaa viittä rajattua tutkimuskysymystä
- Miten koodiavaruudessa ja tokenavaruudessa tehtävää peitettyyn diffuusioon perustuvaa kielimallinnusta tulisi verrata?
- Kuinka generatiivinen malli voi muokata koodia kirjoittamatta koko funktiota uudelleen?
- Mitä rajoitettu koodingenerointi takaa ohjelmistotuotannon työnkulussa?
- Mitkä menetelmät ja millainen näyttö ovat olennaisia tekoälyavusteisessa, toiminnan säilyttävässä refaktoroinnissa?
- Mikä tekee koodingeneroinnista ennakoitavaa pelkän ohjattavuuden sijaan?
Tutkimusnosto
Diagnostinen menetelmä
Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
Missä laatu heikkenee pakatussa lyhyttekstin generoinnissa: pullonkaulan vaiheittainen paikantaminen
Koodekin virheiden erottaminen latenttigeneroinnin virheistä pakatun lyhyen tekstin generoinnissa.
Muu tutkimus
Selaa kaikkia julkaisujaInspectable Control for Structure-Preserving Software Regeneration
Tarkasteltava ohjaus ohjelmiston rakennetta säilyttävässä uudelleengeneroinnissa