AG — Alexey Gavrilov home

Inspectable Control for Structure-Preserving Software Regeneration

בקרה פתוחה לבחינה ביצירה מחדש של תוכנה תוך שימור המבנה

יצירה מחדש חלקית ומבוקרת של קוד באמצעות ייצוגים לטנטיים בדידים היררכיים.

Alexey Gavrilov1Alan-Barsag Gazzaev1Mikhail Mozikov2Ilya Makarov2Sergey Muravyov1

  1. אוניברסיטת ITMO, סנקט פטרבורג, הפדרציה הרוסית
  2. AXXX, Moscow, Russian Federation

לקריאת המאמר המלא ב־HTMLטקסט המאפשר חיפוש וכולל נוסחאות, טבלאות, איורים ומקורות.

כתב היד הסופי של המחברים, עם רשימת המחברים הסופית ו־DOI. CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. תנאי פרסום ושימוש חוזר.

המאמר ב־30 שניות

שאלת מחקרכיצד יכול מודל גנרטיבי לשנות חלקים נבחרים בתוכנית ובה בעת לשמר רכיבים שנבחרו במבנה הגס שלה?

הבעיה

שינוי קוד בסיוע בינה מלאכותית דורש לעיתים שינוי נקודתי אחד, בעוד שרכיבים נבחרים במבנה התוכנית נשארים קבועים. יצירה מחדש של התוכנית כולה עלולה לשבש אזורים שאינם קשורים לשינוי, ואילוצים ברמת האסימון אינם מספקים ממשק בקרה על המבנה הגס.

גישה

המחקר מקודד פונקציות Python בנות 64 אסימונים באמצעות VQ-VAE היררכי, נועל קודים בדידים גסים שנבחרו, ומשתמש ביצירה בדידה ממוסכת כדי ליצור מחדש קוד באופן מקומי בשאר המיקומים הלטנטיים.

תוצאה עיקרית

נעילת ארבעה קודים ברמה העליונה מעלה את שיעור ההצלחה בניתוח התחבירי מ־0.453 ל־0.591; בה בעת, שיעור השינוי במיקומים שלא ננעלו נותר 0.936 ושיעור הדגימות המותנות הייחודיות נותר 0.998.

מדוע זה חשוב

התוצאות חושפות פשרה מדידה בין יציבות לחופש בעריכת קוד מבוקרת וביצירה חלקית מחדש של תוכניות. הן מספקות ראיות ראשוניות לשכבת בקרה במרחב הלטנטי הפתוחה לבחינה, ולא הוכחה לשקילות סמנטית או לנכונות תפקודית.

תקציר

תהליכי עבודה בהנדסת תוכנה, כגון תיקון תחת אילוצים, עידון מדורג ושינוי המשמר מבנה, מחייבים שליטה במה שמשתנה ובמה שנותר קבוע. יצירה ברמת האסימון מספקת ממשק בקרה מוגבל לפעולות אלה, משום שהיא מגבילה את הטקסט הגלוי והמקומי ולא את האינווריאנטים המבניים הגסים שהנדסת תוכנה מבקשת לעיתים לשמר. אנו חוקרים משתנים לטנטיים בדידים היררכיים כייצוג ביניים פתוח לבחינה של תוצרי תוכנה: VQ-VAE היררכי דוחס פונקציית Python בת 64 אסימונים לקודים בדידים גסים ועדינים, ויצירה בדידה ממוסכת יוצרת מחדש רק מיקומים נבחרים בכפוף לאילוצים חלקיים. ב־2,000 פונקציות Python שעברו עיבוד מקדים, נעילת ארבעה קודים ברמה העליונה משפרת את שיעור ההצלחה בניתוח התחבירי מ־0.453 ל־0.591, תוך שמירה על שינוי ניכר במיקומים שלא ננעלו (חופש עריכה, 0.936) ועל ייחודיות דגימות כמעט מרבית (גיוון, 0.998). כאשר ההקשר הגס קבוע, העידון ברמה הנמוכה חלש יותר אך נותר מונוטוני, ממצא התומך בפרשנות ההיררכיה מן הגס אל העדין. ככלל, התוצאות מספקות ראיות ראשוניות לשכבת בקרה מעשית התומכת ביצירה מחדש תחומה ומשמרת מבנה של תוצרי תוכנה, מעל לרמת האסימון.

פורסם במסגרת Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

סוג התרומה שיטת בקרה במרחב הסמוי

עמ' 1406–1407כרזה נלווית

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

שיתוף מאמר זהשיתוף

תוצאות מרכזיות

תוצאות מרכזיות של בקרה הניתנת לבחינה לצורך יצירה מחדש של תוכנה תוך שימור המבנה
הגדרהשיעור ניתוח תחבירישלדחתימהשינוי שאינו נעול
קלט (מקוצר)0.9940.9940.994—
שחזור הקודק0.8570.8480.4930
יצירה בלתי מותנית0.4530.0800.995
מותנה, תחילית k=40.5910.2950.0610.936
מותנה, טווח החתימה0.60.3020.063לא דווח

תוצאה מרכזית. נעילת משתנים לטנטיים גסים משפרת את היציבות התחבירית בלי לבטל את השינוי באזור הניתן לעריכה; התוצאה מדגימה בקרה מבנית, ולא שקילות תפקודית מובטחת.

מערך נתונים
2,000 פונקציות Python שעברו עיבוד מקדים מתוך תת־קבוצה של CodeParrot Clean
גודל המדגם
2,000 פונקציות Python שעברו עיבוד מקדים; ייחודיות הדגימות המותנות היא 0.998.
מדדים
שיעור ניתוח תחבירי; מדדי קירוב לשימור השלד והחתימות; שיעור השינוי במיקומים שאינם נעולים; ייחודיות הדגימה ואנטרופיה
אי-ודאות
המחקר בן שני העמודים מדווח על אומדנים נקודתיים ללא רווחי סמך או ניתוח סטטיסטי מרובה זרעים.
תנאים
פונקציות בנות 64 טוקנים, פענוח argmax, ‏16 קודים ברמה העליונה ו־32 קודים ברמה התחתונה; נעילה מלאה משחזרת במדויק את שחזור הקודק.

הורדת תוצאות:CSVJSONMarkdownעותק חיצוני:כרטיס מערך נתונים של Hugging Face

PDF וציטוט ביבליוגרפי

כיצד לצטט מאמר זה BibTeX הוא הפורמט המומלץ. כל הגרסאות שלהלן מופקות מאותה רשומת פרסום.

פתיחת 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},
}
הורדת ‎.bib

קובצי ציטוט:טקסט APAטקסט IEEERISCSL-JSONSchema.org JSON-LDOAI-DC XMLOpenAIRE v4 XMLMODS XMLמטא־נתונים XML בתקן JATS 1.4טקסט מלא בפורמט JATS 1.4 XMLRDF Turtleמערך קישורים (JSON)מערך קישורים (HTTP)RO-Crate

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

המדריך המלא

מדריך המחקר המלא

שיטה

השיטה דוחסת פונקציית Python קצרה לשתי רמות של קודים בדידים, מקבעת מיקומים גסים נבחרים ויוצרת מחדש את שאר המיקומים לפני פענוחם בחזרה לקוד.

  1. קידוד

    דחסו פונקציית Python בת 64 אסימונים ל-16 קודים ברמה העליונה ול-32 קודים ברמה התחתונה באמצעות VQ-VAE היררכי.

  2. נעילה

    בחרו מיקומי קוד גסים המייצגים מבנה שיש לשמר, כגון תחילית המכסה את טווח חתימת הפונקציה.

  3. יצירה מחדש

    יש להריץ יצירה בדידה ממוסכת רק על המיקומים שאינם נעולים, ולפענח את ההיררכיה שהושלמה בחזרה לקוד מקור.

  4. בחינה

    לפני קבלת יצירה מחודשת, יש למדוד את שיעור הניתוח התחבירי, מדדי הקירוב המבניים, השינוי במיקומים שאינם נעולים ואת ייחודיות הדגימה.

קודי תוכנית גסים שנבחרו נותרים קבועים, ואילו קודים בדידים עדינים וממוסכים נוצרים מחדש ומפוענחים לפונקציית Python ששונתה.
עריכה היררכית של קוד לטנטי בדיד משמרת רכיבים נבחרים במבנה הגס של התוכנית, ובה בעת יוצרת מחדש קודים עדינים באזור הניתן לעריכה.מקור: תרשים הסבר שיצרו המחברים על סמך השיטה והתוצאות שפורסמו..תנאי שימוש חוזר: CC BY 4.0.אזכור מוצע: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. הורדת SVG.

רעיון מרכזי

השליטה מופעלת על ייצוג נלמד שמעל לרמת האסימונים: מיקומים לטנטיים גסים מגדירים במפורש היכן אפשר להקפיא את המבנה, בעוד פרטי מימוש סמוכים נותרים ניתנים לעריכה.

הבדלים מגישות קרובות

אילוצים ברמת ההנחיה או ברמת האסימון פועלים על הטקסט הגלוי. הממשק המוצע חושף נקודות בקרה בדידות גסות ועדינות ומודד את האיזון המתקבל בין יציבות לחופש.

מה חדש

העבודה מציגה ומעריכה שכבת בקרה חבויה היררכית הניתנת לבחינה, המיועדת ליצירה מחדש תחומה של תוצרי תוכנה.

שאלות שמאמר זה מסייע להשיב עליהן

פתחו שאלה לקבלת תשובה תמציתית המעוגנת במאמר. גבולות הראיות המפורטים מופיעים בסעיף המגבלות.

  1. כיצד יכולה בינה מלאכותית לערוך קוד בלי לשכתב את הכול?

    המאמר חוקר יצירה חלקית מחדש של קוד מעל לרמת האסימון. VQ-VAE היררכי ממפה פונקציית Python קצרה לקודים בדידים גסים ועדינים; מיקומים גסים נבחרים ננעלים, ויצירה בדידה ממוסכת משנה רק את יתר המיקומים הלטנטיים לפני הפענוח. כך מתקבל גבול שימור מפורש במקום יצירה מחדש של הפונקציה כולה.

  2. אילו שיטות משמרות את מבנה התוכנית במהלך יצירת קוד?

    עבודה זו בוחנת בקרה חבויה בדידה והיררכית. אפשר לקבע מיקומים חבויים גסים בעת שהמיקומים שאינם נעולים נוצרים מחדש, ולאחר מכן למדוד את שיעור הניתוח התחבירי ומדדי עקיפין מבניים. הראיות נוגעות ליציבות מבנית הסתברותית בפונקציות Python קצרות; הן אינן מבססות שימור AST מדויק, שקילות סמנטית או נכונות תפקודית.

  3. האם משתנים לטנטיים בדידים היררכיים יכולים לאפשר שליטה מקומית בקוד?

    בניסוי המדווח שכלל 2,000 פונקציות, נעילת ארבעה קודים ברמה העליונה הגדילה את שיעור הניתוח התחבירי מ־0.453 ל־0.591. במקביל, 0.936 מן המיקומים שלא ננעלו השתנו, ו־0.998 מן הדגימות המותנות היו ייחודיות. תוצאות אלה הן ראיות ראשוניות לכך שאילוצים גסים במרחב הסמוי יכולים לשמר חלק מן המבנה בלי לבטל את חופש העריכה המקומית או את מגוון הדגימות.

  4. כיצד אפשר לאזן ביצירת קוד בין יציבות מבנית לבין גיוון?

    המאמר מעריך יציבות וחופש במשותף, במקום למטב תקינות בלבד. נעילת קודים גסים מעלה את התקינות התחבירית, בעוד שהשינוי במיקומים שלא ננעלו נותר גבוה והדגימות המותנות נותרות ייחודיות כמעט לחלוטין. התוצאה מדגימה שקלול תמורות מדיד בין יציבות לחופש בתצורה שנבדקה, ולא נקודת מיטב אוניברסלית.

  5. כיצד עבודה זו קשורה לעריכת קוד בסיוע LLM?

    המודל שנבדק הוא VQ-VAE היררכי עם יצירה בדידה ממוסכת, ולא מודל שפה גדול. עם זאת, בעיית הבקרה רלוונטית לעריכה בסיוע LLM, משום ששינויים מיותרים מחוץ לאזור המבוקש הם בעיה מעשית. תרומת המאמר היא מנגנון משלים במרחב חבוי ומסגרת הערכה, ולא אמת מידה לעריכה באמצעות LLM.

השוואה לגישות קרובות

השוואה עובדתית בין בקרה הניתנת לבחינה לצורך יצירה מחדש של תוכנה תוך שימור המבנה לבין גישות קרובות
יכולתבקרה ברמת האסימוןבקרה היררכית במרחב הסמוי
הקפאת המבנה הגסמוגבלנעילה מובנית של קוד גס
יצירה מחודשת חלקיתאילוצי מעטפת שברירייםדגימה חוזרת ממוסכת של קודים נבחרים
נקודות בקרה הניתנות לבחינהללא שכבת ביניים מפורשתמיקומים בדידים גסים ועדינים
הראיות במאמר זהלא הוערך כקו בסיס מלאאבחון יציבות תחבירית וחופש עריכה

הטבלה מתארת ממשקים ואת הראיות שנמדדו במחקר; אין בה טענה לנכונות תפקודית או לעליונות אוניברסלית.

רלוונטיות והיקף

המאמר רלוונטי במיוחד לעבודות הזקוקות לשליטה מפורשת במה שהתמרת קוד בסיוע בינה מלאכותית רשאית לשנות ובחלקי התוכנית שעליהם להישאר יציבים.

  1. יצירת קוד נשלטת המשמרת מבנה

  2. תיקון מקומי של תוכניות ושכתוב מבני תחום

  3. ייצוגים בדידים היררכיים לקוד מקור

  4. יצירה בדידה ממוסכת של קוד מקור

  5. בקרה במרחב הסמוי על תוצרי תוכנה

לעיון במגבלות ובגבולות הראיות

מגבלות

  • המחקר מוגבל לפונקציות Python קצרות שנקטמו לאורך של 64 אסימונים.
  • ההערכה משתמשת בפענוח argmax ובמדדים עקיפים לתקינות תחבירית וליציבות מבנית, ולא בבדיקות של שקילות תפקודית.
  • היכולת לשמר את החתימה במדויק עודנה מוגבלת.
  • בקרה ברמה נמוכה חלשה מבקרה ברמה העליונה.
  • המיקומים במרחב הסמוי עדיין אינם מיושרים עם אזורים סמנטיים כגון מקטעי AST, חתימות או מבנה זרימת בקרה.
  • התוצאות אינן מבססות נכונות עבור תיקון מעשי, ארגון קוד מחדש או שינויים ברמת המאגר.

מקורות המצוטטים במאמר

רשומות אלה תואמות לסעיפים הממוספרים בפרק References בקובץ ה-PDF של המאמר.

  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.

משאבים ויכולת שחזור

מוציא לאור
ACM
משאבי הפרסום
כתב היד הפומבי, טבלאות התוצאות, האיור המסביר וקובצי הציטוט זמינים כאן. קוד המימוש ונקודות הביקורת לא פורסמו לציבור.

הצהרת נתונים

מקור
תת־קבוצה של CodeParrot Clean שעברה עיבוד מקדים ומכילה 2,000 פונקציות Python.
רישיון
אתר זה אינו מפיץ מחדש קובצי מערכי נתונים; שימוש חוזר כפוף עדיין למערך הנתונים CodeParrot שבמקור ולרישיונות קוד המקור.
עיבוד מקדים
פונקציות Python מפורקות לאסימונים ונקטמות או מרופדות לאורך של 64 אסימונים לפני הקידוד ההיררכי.
פיצול
הכרזה מדווחת על מערך הערכה בן 2,000 פונקציות; המאמר הפומבי אינו כולל מניפסט בלתי ניתן לשינוי של חלוקת אימון/אימות.
פורמט
פונקציות מקור ב־Python, רצפי אסימונים בסגנון GPT, רצפי קוד ברמה העליונה באורך 16 ורצפים ברמה התחתונה באורך 32.
גרסה / סיכום ביקורת
במאמר בן שני העמודים לא דווחו סיכום ביקורת של מערך הנתונים ומזהה תמונת מצב בלתי־ניתנת לשינוי.
איסוף
סקריפט איסוף ציבורי אינו מופץ לצד דף הפרסום.
מגבלות שימוש
המדגם אינו מייצג תוכנה בקנה מידה של מאגר, שפות תכנות מרובות או משימות תיקון שאומתו התנהגותית.

גרסאות

  1. גרסה שפורסמהACM FSE Companion, 2026
  3. עותק חיצוני של הטקסט המלאכתב־יד של המחבר ברישיון CC BY 4.0 ב-Hugging Face
  6. משאבי המחבריםכרזה ומצגת שקופיות
  7. רשומה ביבליוגרפיתDBLP
  8. פתיחת הרשומה האקדמיתOpenAlex
  9. רשומת גרף ציטוטיםSemantic Scholar
  10. טקסט מלא ששיתפו המחבריםResearchGate
  11. סיכום בלשון בהירההערכה

ה-DOI שפורסם הוא המזהה הביבליוגרפי העיקרי. עמוד זה נותר כתובת ה-URL הקנונית היחידה של הפרויקט בכל הגרסאות.

לקריאת עריכת קוד נשלטת מדריך מחקר.על המחבר.

רשומות מחקר ממוקדות

תשובות המותאמות לכוונה, עם גבולות ראייתיים וקישורים חזרה למאמר זה.