# Inspectable Control for Structure-Preserving Software Regeneration

Canonical HTML: https://aogavrilov.com/fil/publications/inspectable-control/

Document language: fil

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 Gavrilov](https://orcid.org/0009-0006-3147-5430) 1 [Alan-Barsag Gazzaev](https://orcid.org/0009-0000-0334-312X) 1 [Mikhail Mozikov](https://orcid.org/0000-0003-0594-867X) 2 [Ilya Makarov](https://orcid.org/0000-0002-3308-8825) 2 [Sergey Muravyov](https://orcid.org/0000-0002-4251-1744) 1

1. [ITMO University, Saint Petersburg, Russian Federation](https://en.itmo.ru/)
2. [AXXX, Moscow, Russian Federation](https://axxx.tech/)

[Basahin ang buong papel sa HTML](https://aogavrilov.com/publications/inspectable-control/full-text/) Nahahanapang 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](https://creativecommons.org/licenses/by/4.0/) .

## Ang papel sa 30 segundo

**Tanong sa pananaliksik** Paano 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

Hulyo 5, 2026 pp. 1406–1407 Kalakip na poster

DOI [https://doi.org/10.1145/3803437.3807386](https://doi.org/10.1145/3803437.3807386)

## Mga nilalaman Sa pahinang ito

## Mahahalagang resulta

| Kondisyon | Parse rate | Balangkas | Lagda | Pagbabagong hindi naka-lock |
| --- | --- | --- | --- | --- |
| Input (pinaikli) | 0.994 | 0.994 | 0.994 | — |
| Rekonstruksiyon ng codec | 0.857 | 0.848 | 0.493 | 0 |
| Di-kondisyonal na pagbuo | 0.453 | 0.08 | 0 | 0.995 |
| Kondisyonal, prefix k=4 | 0.591 | 0.295 | 0.061 | 0.936 |
| Kondisyonal, span ng lagda | 0.6 | 0.302 | 0.063 | hindi 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.

I-download ang mga resulta: [CSV](https://aogavrilov.com/publications/inspectable-control/results.csv) [JSON](https://aogavrilov.com/publications/inspectable-control/results.json) [Markdown](https://aogavrilov.com/publications/inspectable-control/results.md) Panlabas na mirror: [Dataset card sa Hugging Face](https://huggingface.co/datasets/aogavrilov/inspectable-control-results)

## 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.

```
@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},
}
```

Mga file ng pagsipi: [Tekstong APA](https://aogavrilov.com/publications/inspectable-control/citation-apa.txt) [Tekstong IEEE](https://aogavrilov.com/publications/inspectable-control/citation-ieee.txt) [RIS](https://aogavrilov.com/publications/inspectable-control/citation.ris) [CSL-JSON](https://aogavrilov.com/publications/inspectable-control/citation.json) [Schema.org JSON-LD](https://aogavrilov.com/publications/inspectable-control/metadata.jsonld) [OAI-DC XML](https://aogavrilov.com/publications/inspectable-control/oai-dc.xml) [OpenAIRE v4 XML](https://aogavrilov.com/publications/inspectable-control/openaire.xml) [MODS XML](https://aogavrilov.com/publications/inspectable-control/mods.xml) [JATS 1.4 metadata XML](https://aogavrilov.com/publications/inspectable-control/metadata.jats.xml) [JATS 1.4 XML ng buong teksto](https://aogavrilov.com/publications/inspectable-control/full-text/article.jats.xml) [RDF Turtle](https://aogavrilov.com/publications/inspectable-control/metadata.ttl) [Hanay ng mga link (JSON)](https://aogavrilov.com/publications/inspectable-control/linkset.json) [Hanay ng mga link (HTTP)](https://aogavrilov.com/publications/inspectable-control/linkset) [RO-Crate](https://aogavrilov.com/publications/inspectable-control/ro-crate-metadata.json)

DOI: [https://doi.org/10.1145/3803437.3807386](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.](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg)

**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.](https://doi.org/10.1145/3803437.3807386) . Mga tuntunin sa muling paggamit: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) . Iminungkahing atribusyon: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. [I-download ang SVG](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.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

## 

| Kakayahan | Kontrol sa antas ng token | Hierarchical latent na kontrol |
| --- | --- | --- |
| I-freeze ang magaspang na estruktura | Limitado | Likas na pag-lock ng coarse code |
| Bahagyang muling pagbuo | Marurupok na constraint sa surface | Masked resampling ng mga piniling code |
| Mga punto ng nasusuring kontrol | Walang tahasang intermediate layer | Magaspang at pinong mga discrete na posisyon |
| Ebidensiya sa papel na ito | Hindi sinuri bilang kumpletong baseline | Mga 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

## 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. 2019 . [Generating Diverse High-Fidelity Images with VQ-VAE-2](https://arxiv.org/abs/1906.00446) . Advances in Neural Information Processing Systems .
2. Jacob Austin, Daniel D. Johnson, Jonathan Ho, Daniel Tarlow, Rianne van den Berg. 2021 . [Structured Denoising Diffusion Models in Discrete State-Spaces](https://arxiv.org/abs/2107.03006) . 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. 2024 . [Simple and Effective Masked Diffusion Language Models](https://arxiv.org/abs/2406.07524) . Advances in Neural Information Processing Systems .
4. Shraddha Barke, Michael B. James, Nadia Polikarpova. 2023 . [Grounded Copilot: How Programmers Interact with Code-Generating Models](https://doi.org/10.1145/3586030) . 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. 2023 . [RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation](https://doi.org/10.18653/v1/2023.emnlp-main.151) . Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing .

## Mga mapagkukunan at reproducibility

## 

### Pahayag ukol sa datos

## Mga bersiyon

## 

1. **Nailathalang bersiyon** [ACM FSE Companion, 2026](https://doi.org/10.1145/3803437.3807386)
2. **Manuskrito ng may-akda** [Camera-ready na manuskritong naa-access bilang teksto, kasama ang pinal na talaan ng mga awtor at DOI](https://aogavrilov.com/publications/inspectable-control/paper.pdf)
3. **Panlabas na mirror ng buong teksto** [Manuskrito ng may-akda sa Hugging Face na may lisensiyang CC BY 4.0](https://huggingface.co/datasets/aogavrilov/inspectable-control-results/resolve/main/paper.pdf)
4. **Buksan ang record sa repository** [Rekord sa Zenodo na iniindeks ng OpenAIRE](https://zenodo.org/records/21605395)
5. **Buksan ang buong teksto sa repository** [Manuskrito ng may-akda sa Zenodo na may lisensiyang CC BY 4.0; katumbas ang teksto ng lokal na manuskrito](https://zenodo.org/records/21605395/files/fse2026-posters-final11%20%284%29.pdf?download=1)
6. **Mga sanggunian ng may-akda** [Poster at slide deck](https://aogavrilov.com/publications/inspectable-control/media/)
7. **Talaang bibliograpiko** [DBLP](https://dblp.org/rec/conf/sigsoft/GavrilovGMMM26)
8. **Buksan ang akademikong record** [OpenAlex](https://openalex.org/W7169573479)
9. **Rekord sa graph ng pagsipi** [Semantic Scholar](https://www.semanticscholar.org/paper/93c3de037596ce177d9d882d214ccad5c5405b00)
10. **Buong tekstong ibinahagi ng may-akda** [ResearchGate](https://www.researchgate.net/publication/410435483_Inspectable_Control_for_Structure-Preserving_Software_Regeneration)
11. **Buod sa payak na wika** [Kudos](https://www.growkudos.com/publications/10.1145%252F3803437.3807386/reader)

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

## Kaugnay na publikasyon

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

Basahin ang [Nakokontrol na pag-edit ng code](https://aogavrilov.com/fil/projects/discrete-latent-generation/) gabay sa pananaliksik. [Tungkol sa may-akda](https://aogavrilov.com/about/) .

### 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.

- [Lokalisadong pagbabago ng code gamit ang mga generative model](https://aogavrilov.com/fil/research-notes/localized-code-modification-generative-models/)
- [Constrained code generation sa software engineering](https://aogavrilov.com/fil/research-notes/constrained-code-generation-software-engineering/)
- [Refactoring na tinutulungan ng AI: mga pamamaraan at ebidensiya](https://aogavrilov.com/fil/research-notes/ai-assisted-refactoring-evidence/)
- [Kailangan ng mahuhulaang pagbuo ng code ang isang kasunduan sa pagpapanatili](https://aogavrilov.com/fil/research-notes/predictable-code-generation-preservation-contract/)