Kabiguan ba ng codec o ng generator?
Ihiwalay ang pagkawala sa rekonstruksiyon sa pagkawala sa latent na pagbuo bago gumugol ng compute sa maling yugto.
Buksan ang gabay sa diagnosisAlexey Gavrilov
Mananaliksik sa machine learningITMO University
Pananaliksik na nananatiling masusuri.
Sinusuri ko kung paano naaapektuhan ng mga representasyon, kompresyon, at kakayahang kontrolin ang kalidad ng nabuong teksto at code.
Mga direksiyon ng pananaliksik
Lokalisado at mahuhulaang pag-edit ng code
Pigilan ang muling pagsulat ng buong function sa pamamagitan ng paghahambing sa piling muling pagbuo, constrained generation, at refactoring na tinutulungan ng AI sa ilalim ng tahasang contract sa pagpapanatili.
Siyasatin ang proyektoTingnan ang 5 nakatuong tanong sa pananaliksik
- Paano dapat paghambingin ang code-space at token-space masked diffusion language modeling?
- Paano mababago ng isang generative model ang code nang hindi muling isinusulat ang buong function?
- Ano ang ginagarantiya ng constrained code generation sa workflow ng software engineering?
- Aling mga pamamaraan at ebidensiya ang mahalaga sa refactoring na tinutulungan ng AI at nagpapanatili ng gawi?
- Ano ang dahilan kung bakit mahuhulaan, at hindi lamang nakokontrol, ang pagbuo ng code?
Itinatampok na pananaliksik
Metodolohiya ng pagsusuri
Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
Kung Saan Bumibigay ang Kalidad sa Pagbuo ng Na-compress na Maiikling Teksto: Sunod-sunod na Pagtukoy sa Bottleneck
Paghihiwalay ng mga kabiguan ng codec sa mga kabiguan ng latent na pagbuo sa paglikha ng pinaikling teksto.
Iba pang pananaliksik
Tingnan ang lahat ng publikasyonInspectable Control for Structure-Preserving Software Regeneration
Nasusuring Kontrol para sa Muling Pagbuo ng Software na Nagpapanatili ng Estruktura