AG — Alexey Gavrilov home

Inspectable Control for Structure-Preserving Software Regeneration

Nasusuring Kontrol para sa Muling Pagbuo ng Software na Nagpapanatili ng Estruktura

Nakokontrol na bahagyang muling pagbuo ng code gamit ang mga herarkikal na discrete latent representation.

Alexey Gavrilov1Alan-Barsag Gazzaev1Mikhail Mozikov2Ilya Makarov2Sergey Muravyov1

  1. ITMO University, Saint Petersburg, Russian Federation
  2. AXXX, Moscow, Russian Federation

Basahin ang buong papel sa HTMLNahahanapang teksto na may mga pormula, talahanayan, larawan, at sanggunian.

Camera-ready na manuskrito ng may-akda na may pinal na talaan ng mga may-akda at DOI. CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. Mga tuntunin sa paglalathala at muling paggamit.

Ang papel sa 30 segundo

Tanong sa pananaliksikPaano mababago ng isang generative model ang mga piling bahagi ng programa habang pinananatili ang mga piling elemento ng pangkalahatang estruktura nito?

Suliranin

Madalas na iisang pagbabagong may malinaw na saklaw lamang ang kailangan sa pagbabago ng code na tinutulungan ng AI, habang nananatiling nakapirmi ang piling estruktura ng programa. Maaaring maapektuhan ng muling pagbuo sa buong programa ang mga bahaging walang kinalaman sa pagbabago, at hindi nagbibigay ang mga token-level constraint ng control surface para sa pangkalahatang estruktura.

Pamamaraan

Ine-encode sa pag-aaral ang mga Python function na may 64 token gamit ang herarkikal na VQ-VAE, nila-lock ang mga piling coarse discrete code, at ginagamit ang masked discrete generation upang lokal na muling buuin ang code sa natitirang latent position.

Pangunahing resulta

Itinataas ng pag-lock sa apat na top-level code ang parse rate mula 0.453 tungong 0.591, habang nananatiling 0.936 ang antas ng pagbabago sa mga hindi naka-lock na posisyon at 0.998 ang pagiging natatangi ng mga conditional sample.

Kung bakit ito mahalaga

Ipinakikita ng mga resulta ang nasusukat na trade-off sa pagitan ng katatagan at kalayaan sa nakokontrol na pag-edit ng code at bahagyang muling pagbuo ng programa. Nagbibigay ang mga ito ng paunang ebidensiya para sa latent control layer na maaaring siyasatin, hindi patunay ng semantic equivalence o functional correctness.

Abstrak

Nangangailangan ang mga workflow sa software engineering—gaya ng constrained repair, yugtu-yugtong refinement, at pagbabagong nagpapanatili ng estruktura—ng kontrol sa kung ano ang maaaring magbago at kung ano ang dapat manatiling nakapirmi. Mahina ang token-level generation bilang control surface para sa mga operasyong ito sapagkat lokal na surface text ang nililimitahan nito, hindi ang mga coarse structural invariant na karaniwang layong panatilihin sa software engineering. Sinusuri namin ang mga herarkikal na discrete latent bilang intermediate representation na maaaring siyasatin para sa mga software artifact: kino-compress ng herarkikal na VQ-VAE ang isang Python function na may 64 token tungo sa coarse at fine discrete code, at tanging ang mga piling posisyon sa ilalim ng bahagyang constraint ang muling binubuo ng masked discrete generation. Sa 2,000 na na-preprocess na Python function, pinatataas ng pag-lock sa apat na top-level code ang parse rate mula 0.453 tungong 0.591 habang pinananatili ang malaking pagbabago sa mga hindi naka-lock na posisyon (kalayaan sa pag-edit, 0.936) at halos pinakamataas na pagiging natatangi ng mga sample (dibersidad, 0.998). Sa nakapirming coarse context, mas mahina ang lower-level refinement ngunit nananatiling monotonic, na umaayon sa pagbasa sa herarkiya mula coarse tungong fine. Sa kabuuan, nagbibigay ang mga resultang ito ng paunang ebidensiya para sa praktikal na control layer na sumusuporta sa muling pagbuo ng software artifact na may takdang saklaw at nagpapanatili ng estruktura sa antas na mas mataas sa token.

Inilathala sa Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

Uri ng ambag Pamamaraan ng kontrol sa espasyong latent

pp. 1406–1407Kalakip na poster

DOI https://doi.org/10.1145/3803437.3807386

Ibahagi ang papel na itoIbahagi

Mahahalagang resulta

Mahahalagang resulta ng Nasusuring Kontrol para sa Muling Pagbuo ng Software na Nagpapanatili ng Estruktura
KondisyonParse rateBalangkasLagdaPagbabagong hindi naka-lock
Input (pinaikli)0.9940.9940.994—
Rekonstruksiyon ng codec0.8570.8480.4930
Di-kondisyonal na pagbuo0.4530.0800.995
Kondisyonal, prefix k=40.5910.2950.0610.936
Kondisyonal, span ng lagda0.60.3020.063hindi iniulat

Pangunahing resulta. Pinahuhusay ng pag-lock sa coarse latent ang katatagan ng sintaks nang hindi pinipigil ang pagbabago sa nae-edit na bahagi; ipinakikita ng resulta ang kontrol sa estruktura, hindi garantisadong functional equivalence.

Dataset
2,000 na na-preprocess na Python function mula sa isang subset ng CodeParrot Clean
Laki ng sample
2,000 na na-preprocess na Python function; 0.998 ang pagiging natatangi ng mga conditional sample.
Mga sukatan
Parse rate; mga proxy para sa pagpapanatili ng skeleton at signature; antas ng pagbabago sa mga hindi naka-lock na posisyon; pagiging natatangi at entropy ng mga sample
Kawalang-katiyakan
Nag-uulat ang dalawang-pahinang pag-aaral ng mga point estimate nang walang confidence interval o estadistikal na pagsusuri sa maraming seed.
Mga kondisyon
Mga function na may 64 token, argmax decoding, 16 na top-level code at 32 lower-level code; eksaktong naibabalik ng ganap na pag-lock ang rekonstruksiyon ng codec.

I-download ang mga resulta:CSVJSONMarkdownPanlabas na mirror:Dataset card sa Hugging Face

PDF at pagsipi

Paano sipiin ang papel na ito BibTeX ang inirerekomendang format. Ang lahat ng baryante sa ibaba ay binuo mula sa iisang tala ng publikasyon.

Buksan ang PDF
@inproceedings{Gavrilov2026InspectableControl,
  title      = {Inspectable Control for Structure-Preserving Software Regeneration},
  author     = {Gavrilov, Alexey and Gazzaev, Alan-Barsag and Mozikov, Mikhail and Makarov, Ilya and Muravyov, Sergey},
  booktitle  = {Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering},
  publisher  = {ACM},
  year       = {2026},
  pages      = {1406--1407},
  doi        = {10.1145/3803437.3807386},
  url        = {https://doi.org/10.1145/3803437.3807386},
  isbn       = {979-8-4007-2636-1},
}
I-download ang .bib

Mga file ng pagsipi:Tekstong APATekstong IEEERISCSL-JSONSchema.org JSON-LDOAI-DC XMLOpenAIRE v4 XMLMODS XMLJATS 1.4 metadata XMLJATS 1.4 XML ng buong tekstoRDF TurtleHanay ng mga link (JSON)Hanay ng mga link (HTTP)RO-Crate

DOI:https://doi.org/10.1145/3803437.3807386

Buong gabay

Buong gabay sa pananaliksik

Pamamaraan

Pinaiikli ng metodo ang isang maikling Python function tungo sa dalawang antas ng discrete code, ipinipirmi ang mga piniling magaspang na posisyon, at muling binubuo ang mga natitirang posisyon bago i-decode pabalik sa code.

  1. I-encode

    I-compress ang isang 64-token na Python function tungo sa 16 na top-level code at 32 lower-level code gamit ang herarkikal na VQ-VAE.

  2. I-lock

    Pumili ng mga magaspang na posisyon ng code na kumakatawan sa estrukturang pananatilihin, gaya ng prefix na sumasaklaw sa span ng lagda ng function.

  3. Muling bumuo

    Patakbuhin lamang ang masked discrete generation sa mga hindi naka-lock na posisyon at i-decode pabalik sa source code ang nakumpletong herarkiya.

  4. Suriin

    Sukatin ang parse rate, mga structural proxy, pagbabago sa mga naka-unlock na posisyon, at pagiging natatangi ng sample bago tanggapin ang muling pagbuo.

Nananatiling nakapirmi ang mga piniling magaspang na code ng programa habang muling binubuo ang mga naka-mask na pinong discrete code at dine-decode bilang binagong Python function.
Pinananatili ng pag-edit sa herarkikal na discrete latent code ang piling coarse structure ng programa habang muling binubuo ang mga fine code sa nae-edit na bahagi.Pinagmulan: Paliwanag na diagram na ginawa ng may-akda batay sa inilathalang pamamaraan at mga resulta..Mga tuntunin sa muling paggamit: CC BY 4.0.Iminungkahing atribusyon: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. I-download ang SVG.

Pangunahing ideya

Inilalapat ang kontrol sa isang natutuhang representasyon sa antas na mas mataas sa token: malinaw na itinatakda ng mga coarse latent position kung saan maaaring ipirmi ang estruktura habang nananatiling nae-edit ang kalapit na mga detalye ng implementasyon.

Pagkakaiba sa mga kaugnay na lapit

Gumagana sa lantad na teksto ang mga constraint sa antas ng prompt o token. Inilalantad ng iminungkahing interface ang magagaspang at pinong discrete na punto ng kontrol at sinusukat ang ibinubungang trade-off sa pagitan ng katatagan at kalayaan.

Ano ang bago

Ipinakikilala at sinusuri ng pag-aaral ang isang herarkikal na latent control layer na maaaring siyasatin para sa muling pagbuo ng software artifact na may takdang saklaw.

Mga tanong na tinutulungang sagutin ng papel na ito

Magbukas ng tanong para sa maikling sagot na nakabatay sa papel. Nakalista sa Mga Limitasyon ang detalyadong mga hangganan ng ebidensiya.

  1. Paano mae-edit ng AI ang code nang hindi muling isinusulat ang lahat?

    Sinusuri ng papel ang bahagyang muling pagbuo ng code sa antas na mas mataas sa token. Minamapa ng herarkikal na VQ-VAE ang isang maikling Python function tungo sa coarse at fine discrete code; nila-lock ang mga piling coarse position, at tanging ang natitirang latent position ang binabago ng masked discrete generation bago ang decoding. Sa gayon, nagkakaroon ng tahasang hangganan ng pagpapanatili sa halip na muling buuin ang buong function.

  2. Anong mga pamamaraan ang nagpapanatili ng estruktura ng programa habang bumubuo ng code?

    Sinusubok ng akdang ito ang herarkikal na discrete na kontrol sa latent. Maaaring ipirmi ang magagaspang na posisyon ng latent habang muling binubuo ang mga hindi naka-lock na posisyon, at pagkatapos ay sinusukat ang parse rate at mga estruktural na proxy. Nauukol ang ebidensiya sa probabilidadistikong katatagan ng estruktura sa maiikling Python function; hindi nito itinatatag ang eksaktong pagpapanatili ng AST, semantikong pagkapantay, o kawastuhan ng paggana.

  3. Makapagbibigay ba ang mga herarkikal na discrete latent ng lokalisadong kontrol sa code?

    Sa iniulat na eksperimento sa 2,000 function, itinaas ng pag-lock sa apat na top-level code ang parse rate mula 0.453 tungong 0.591. Kasabay nito, nagbago ang 0.936 ng mga hindi naka-lock na posisyon at 0.998 unique ang mga conditional sample. Paunang ebidensiya ang mga resultang ito na maaaring makapagpanatili ng ilang estruktura ang magaspang na mga constraint sa latent representation nang hindi inaalis ang kalayaan sa lokal na pag-edit o dibersidad ng sample.

  4. Paano mababalanse sa pagbuo ng code ang katatagan ng estruktura at dibersidad?

    Magkasamang sinusuri ng papel ang katatagan at kalayaan sa halip na validity lamang ang i-optimize. Pinatataas ng pag-lock sa magaspang na code ang sintaktikong validity habang nananatiling mataas ang pagbabago sa mga hindi naka-lock na posisyon at halos ganap na natatangi ang mga conditional sample. Ipinakikita ng resulta ang nasusukat na trade-off ng katatagan at kalayaan sa sinubok na configuration, hindi isang pangkalahatang optimum.

  5. Paano nauugnay ang gawaing ito sa pag-edit ng code sa tulong ng LLM?

    Ang sinubok na modelo ay herarkikal na VQ-VAE na may masked discrete generation, hindi isang large language model. Gayunman, mahalaga sa pag-edit na tinutulungan ng LLM ang suliranin ng kontrol sapagkat praktikal na alalahanin ang mga di-kinakailangang pagbabago sa labas ng hiniling na rehiyon. Nag-aambag ang papel ng komplementaryong mekanismo sa espasyo ng latent at balangkas ng ebalwasyon, hindi ng benchmark sa pag-edit gamit ang LLM.

Paghahambing sa mga kaugnay na lapit

Makatotohanang paghahambing ng Nasusuring Kontrol para sa Muling Pagbuo ng Software na Nagpapanatili ng Estruktura sa mga kaugnay na pamamaraan
KakayahanKontrol sa antas ng tokenHierarchical latent na kontrol
I-freeze ang magaspang na estrukturaLimitadoLikas na pag-lock ng coarse code
Bahagyang muling pagbuoMarurupok na constraint sa surfaceMasked resampling ng mga piniling code
Mga punto ng nasusuring kontrolWalang tahasang intermediate layerMagaspang at pinong mga discrete na posisyon
Ebidensiya sa papel na itoHindi sinuri bilang kumpletong baselineMga diyagnostiko ng katatagang sintaktiko at kalayaan sa pag-edit

Inilalarawan ng talahanayan ang mga interface at nasukat na ebidensiya ng pag-aaral; hindi ito nag-aangkin ng kawastuhan ng paggana o pangkalahatang kahigitan.

Kaugnayan at saklaw

Pinakamakabuluhan ang papel sa gawaing nangangailangan ng tahasang kontrol sa maaaring baguhin ng transpormasyon ng code na tinutulungan ng AI at sa mga bahagi ng programang dapat manatiling matatag.

  1. Nakokontrol na pagbuo ng code na nagpapanatili ng estruktura

  2. Lokalisadong pagkukumpuni ng programa at refactoring na may hangganan

  3. Mga hierarchical discrete na representasyon para sa source code

  4. Masked discrete na pagbuo para sa source code

  5. Kontrol sa latent representation para sa mga artifact ng software

Tingnan ang mga limitasyon at hangganan ng ebidensiya

Mga limitasyon

  • Nalilimitahan ang pag-aaral sa maiikling Python function na pinutol sa 64 token.
  • Gumagamit ang ebalwasyon ng argmax decoding at mga proxy na sintaktiko o estruktural sa halip na mga test ng functional equivalence.
  • Mahina pa rin ang eksaktong pagpapanatili ng signature.
  • Mas mahina ang lower-level control kaysa top-level control.
  • Hindi pa nakahanay ang mga latent position sa mga semantic region gaya ng AST span, signature, o estruktura ng control flow.
  • Hindi itinatatag ng mga resulta ang correctness para sa praktikal na repair, refactoring, o mga pagbabago sa antas ng repository.

Mga sangguniang sinipi sa papel

Tumutugma ang mga entry na ito sa may-bilang na seksiyong References sa PDF ng papel.

  1. Ali Razavi, Aaron van den Oord, Oriol Vinyals. . Generating Diverse High-Fidelity Images with VQ-VAE-2. Advances in Neural Information Processing Systems.
  2. Jacob Austin, Daniel D. Johnson, Jonathan Ho, Daniel Tarlow, Rianne van den Berg. . Structured Denoising Diffusion Models in Discrete State-Spaces. Advances in Neural Information Processing Systems.
  3. Subham Sekhar Sahoo, Marianne Arriola, Yair Schiff, Aaron Gokaslan, Edgar Marroquin, Justin T Chiu, Alexander Rush, Volodymyr Kuleshov. . Simple and Effective Masked Diffusion Language Models. Advances in Neural Information Processing Systems.
  4. Shraddha Barke, Michael B. James, Nadia Polikarpova. . Grounded Copilot: How Programmers Interact with Code-Generating Models. Proceedings of the ACM on Programming Languages.
  5. Fengji Zhang, Bei Chen, Yue Zhang, Jacky Keung, Jin Liu, Daoguang Zan, Yi Mao, Jian-Guang Lou, Weizhu Chen. . RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation. Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing.

Mga mapagkukunan at reproducibility

Tagapaglathala
ACM
Mga sanggunian at resource ng publikasyon
Makukuha rito ang pampublikong manuskrito, mga talahanayan ng resulta, larawang nagpapaliwanag, at mga file ng pagsipi. Hindi pampublikong inilabas ang implementation code at mga checkpoint.

Pahayag ukol sa datos

Pinagmulan
Isang na-preprocess na subset ng CodeParrot Clean na naglalaman ng 2,000 Python function.
Lisensiya
Walang dataset file na muling ipinamamahagi ng site na ito; ang muling paggamit ay nananatiling saklaw ng upstream na CodeParrot dataset at ng mga lisensiya ng source code.
Paunang pagproseso
Tina-tokenize ang mga Python function at pinuputol o dinaragdagan ng padding hanggang 64 token bago ang herarkikal na encoding.
Hatiin
Iniuulat ng poster ang evaluation set na may 2,000 function; walang kasamang immutable train/validation split manifest sa pampublikong papel.
Format
Mga Python source function, token sequence na estilong GPT, top-level na sequence ng code na may habang 16, at lower-level na sequence na may habang 32.
Bersiyon / checksum
Hindi iniulat sa dalawang-pahinang papel ang checksum ng dataset at immutable snapshot identifier.
Pagkuha
Walang pampublikong acquisition script na inilabas kasama ng pahina ng publikasyon.
Mga limitasyon sa paggamit
Hindi kumakatawan ang sample sa software na nasa saklaw ng repository, maraming programming language, o mga gawaing repair na pinatunayan batay sa asal.

Mga bersiyon

  1. Nailathalang bersiyonACM FSE Companion, 2026
  4. Buksan ang record sa repositoryRekord sa Zenodo na iniindeks ng OpenAIRE
  6. Mga sanggunian ng may-akdaPoster at slide deck
  7. Talaang bibliograpikoDBLP
  8. Buksan ang akademikong recordOpenAlex
  9. Rekord sa graph ng pagsipiSemantic Scholar
  10. Buong tekstong ibinahagi ng may-akdaResearchGate
  11. Buod sa payak na wikaKudos

Ang inilathalang DOI ang pangunahing bibliograpikong identifier. Nananatili ang pahinang ito bilang nag-iisang canonical project URL sa lahat ng bersiyon.

Basahin ang Nakokontrol na pag-edit ng code gabay sa pananaliksik.Tungkol sa may-akda.

Mga nakatuong tala sa pananaliksik

Mga sagot na nakatuon sa layunin, may malinaw na hangganan ng ebidensiya, at may mga link pabalik sa papel na ito.