# शोध परियोजनाएँ

Canonical HTML: https://aogavrilov.com/hi/projects/

Document language: hi

जिस विफलता को आप देख सकते हैं, उससे आरंभ करें; फिर उसके अनुरूप विधि, साक्ष्य और कार्यक्षेत्र-सीमा अपनाएँ।

## दिखाई देने वाली विफलता के अनुसार चुनें

एक ही लक्षण निरूपण, जनन, नियंत्रण अथवा सत्यापन से उत्पन्न हो सकता है।

| प्रेक्षित समस्या | पहला निदान | आवश्यक साक्ष्य | पद्धति |
| --- | --- | --- | --- |
| डिकोडित निर्गम निम्न-गुणवत्ता का है, किंतु विफल चरण अज्ञात है | स्रोत, उसके युग्मित पुनर्निर्माण और जनित आउटपुट को एक ही बाहरी मूल्यांकक से स्कोर करें। | प्रत्येक चरण में तुलनीय वितरण और पुच्छ व्यवहार। | [चरणबद्ध बाधा-बिंदु निदान](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#workflow) |
| अव्यक्त-स्थान metric सुधरता है, किंतु अंतिम गुणवत्ता नहीं | जाँचें कि प्रतिनिधि माप में सुधार डिकोडिंग के बाद भी बना रहता है या नहीं। | युग्मित डिकोडेड-आउटपुट मापन-सूचक, केवल अव्यक्त निदान नहीं। | [प्रतिनिधि-संकेत अंतरण की जाँच](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#decision-table) |
| जब code editor अनुरोधित क्षेत्र से अधिक को दोबारा लिखता है | स्पष्ट संरक्षण-सीमा बताएँ और बाहरी क्षेत्र के अंतर को मापें। | स्थानीयता और कार्य-सफलता को साथ मापा गया। | [स्थानीयकृत-संपादन मूल्यांकन](https://aogavrilov.com/hi/projects/discrete-latent-generation/#measurement) |
| refactoring को केवल syntax नहीं, व्यवहार भी संरक्षित रखना चाहिए | प्रस्ताव को निष्पादन और सत्यापन से अलग रखें। | Compilation, tests, static checks और refactoring की पहचान। | [नियंत्रण-पृष्ठ निर्णय-मानचित्र](https://aogavrilov.com/hi/projects/discrete-latent-generation/#control-surface) |

सक्रिय शोध-दिशा

## विविक्त-अव्यक्त जनन

चयनात्मक कोड पुनर्जनन के लिए विविक्त निरूपण, और बाधा-नियंत्रित जनन, AI-सहायित रीफ़ैक्टरिंग तथा पूर्वानुमेय कोड-संपादन में से साक्ष्य-आधारित चयन।

मूल्यांकन मार्गदर्शिका

## कोडेक बाधा-बिंदु का निदान

यह निर्धारित करने की चरणवार विधि कि decoded गुणवत्ता पुनर्निर्माण, अव्यक्त जनन, अथवा अंतिम पाठ तक transfer न होने वाले proxy में से किससे सीमित है।

## केंद्रित उत्तर

उन व्यापक खोजों के लिए स्वतंत्र साक्ष्य टिप्पणियाँ जो शोधपत्र के शीर्षक से आरंभ नहीं होतीं। प्रत्येक टिप्पणी संबद्ध प्रकाशन और पूर्ण पाठ तक वापस ले जाती है।

1. [कोड-स्थान बनाम टोकन-स्थान मास्कित विसरण: उनकी तुलना कैसे करें](https://aogavrilov.com/hi/research-notes/code-space-vs-token-space-masked-diffusion/) हानिपूर्ण विविक्त कोडेक की स्थिति में कोड-स्थान और टोकन-स्थान के मास्कित विसरण भाषा मॉडलों की तुलना के लिए चरण-संगत प्रोटोकॉल।
2. [जननात्मक मॉडलों से स्थानीयकृत कोड संशोधन](https://aogavrilov.com/hi/research-notes/localized-code-modification-generative-models/) जननात्मक मॉडल को अपेक्षित कोड परिवर्तन करने की पर्याप्त स्वतंत्रता देते हुए पूरे फ़ंक्शन के अनावश्यक पुनर्लेखन को रोकने की विधि।
3. [सॉफ़्टवेयर अभियांत्रिकी के लिए बाधा-नियंत्रित कोड जनन](https://aogavrilov.com/hi/research-notes/constrained-code-generation-software-engineering/) जनित कोड के लिए व्याकरणगत बाधाओं, प्रकारगत बाधाओं, संरक्षण-सीमाओं और व्यवहार-स्तरीय स्वीकृति जाँचों के बीच व्यावहारिक भेद।
4. [AI-सहायित रीफ़ैक्टरिंग: विधियाँ और साक्ष्य](https://aogavrilov.com/hi/research-notes/ai-assisted-refactoring-evidence/) हाल की AI-सहायित रीफ़ैक्टरिंग विधियों का मूल्यांकन इस तरह करें कि देखने में विश्वसनीय जनित पैच को सत्यापित व्यवहार-संरक्षण न मान लिया जाए।
5. [पूर्वानुमेय कोड जनन के लिए संरक्षण अनुबंध आवश्यक है](https://aogavrilov.com/hi/research-notes/predictable-code-generation-preservation-contract/) नियतात्मक प्रतिचयन पर्याप्त क्यों नहीं है, और प्रेक्षणीय संरक्षित गुण तथा स्वीकृति जाँच कोड-जनन के व्यवहार को परीक्षणयोग्य कैसे बनाते हैं।

## वे शोध प्रश्न जिनका उत्तर यह साइट दे सकती है

संक्षिप्त उत्तर के लिए कोई व्यावहारिक प्रश्न खोलें, फिर विधियों, मापनों और सीमाओं के लिए साक्ष्य लिंक देखें। ये शोध तक पहुँचने के मार्ग हैं, सार्वभौमिक गारंटियाँ नहीं।

1. कोई जनरेटिव मॉडल पूरे फ़ंक्शन को दोबारा लिखे बिना कोड को कैसे संशोधित कर सकता है? जनन से पहले संपादन सीमा निर्धारित करें, उसके बाहर के स्रोत को संरक्षित रखें या पुनः उपयोग करें, केवल संभावित परिवर्तन उत्पन्न करें और कार्य में विफल अथवा संरक्षित क्षेत्रों को बदलने वाले निर्गम अस्वीकार करें। पदानुक्रमित अव्यक्त locking एक प्रायोगिक नियंत्रण पृष्ठ है, किंतु यह समान स्रोत-विस्तारों की गारंटी नहीं देता। [स्थानीयकृत संपादन नियंत्रण पृष्ठों की तुलना करें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#control-surface) .
2. कौन-सा साक्ष्य दर्शाता है कि कोड संपादन केवल वाक्य-विन्यासतः वैध नहीं, बल्कि स्थानीय भी है? अनुरोधित क्षेत्र से बाहर के diff को कार्य-सफलता, संपादनयोग्य क्षेत्र में परिवर्तन, संरचनात्मक अपरिवर्त्यों, परीक्षणों अथवा स्थैतिक जाँचों और बार-बार चलाने पर आने वाली परिवर्तनशीलता के साथ मापें। अकेली पार्स दर केवल वाक्य-विन्यासगत सुगठन स्थापित करती है। [स्थानीयता-साक्ष्य जाँचसूची की समीक्षा करें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#measurement) .
3. कोड-संपादन की स्थानीयता को जनन-विविधता के साथ कैसे संतुलित किया जाना चाहिए? संरक्षित क्षेत्र की स्थिरता के साथ संपादन-योग्य क्षेत्र की स्वतंत्रता और प्रत्याशियों की अद्वितीयता भी रिपोर्ट करें। इनपुट की नकल स्थिरता को अधिकतम कर सकती है, पर कार्य में कोई प्रगति नहीं करती; अनियंत्रित पुनर्लेखन परिवर्तन को अधिकतम करते हुए स्थानीयता नष्ट कर सकता है। [सीमाबद्ध स्थिरता–स्वतंत्रता साक्ष्य देखें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#evidence) .
4. स्थानीयकृत कोड संपादन, बाधित जनन और प्रोग्राम मरम्मत में क्या अंतर है? स्थानीयकृत संपादन इस पर बल देता है कि क्या अपरिवर्तित रहना चाहिए; बाधित जनन व्याकरण-सदस्यता जैसे औपचारिक आउटपुट गुण को लागू करता है; और प्रोग्राम मरम्मत में परिवर्तन से दोष या कार्य-विनिर्देश की पूर्ति अपेक्षित होती है। केवल वाक्यविन्यास अर्थगत समतुल्यता, कार्यात्मक शुद्धता, कार्य-सफलता या स्थानीयता सिद्ध नहीं करता। [तीनों उद्देश्यों की तुलना करें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#comparison) .
5. Python फ़ंक्शन के चुने हुए भागों को इस तरह पुनः जनित कैसे किया जा सकता है कि शेष भाग स्थिर रहें? जनन से पहले संरक्षित और संपादनयोग्य क्षेत्र निर्धारित करें, केवल संपादनयोग्य निरूपण बदलें, डिकोड करें और उन अभ्यर्थियों को अस्वीकार करें जो संरक्षित कोड बदलते हैं अथवा syntax, tests, static checks या कार्य-विशिष्ट invariants में विफल होते हैं। प्रतिवेदित पदानुक्रमित-अव्यक्त प्रयोग 64-token फ़ंक्शनों पर प्रायिक स्थिरता मापता है; वह अपरिवर्तित विस्तारों या व्यवहार की गारंटी नहीं देता। [चयनात्मक पुनर्जनन कार्यप्रवाह का निरीक्षण करें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#workflow) .
6. AI-सहायित व्यवहार-संरक्षक रीफ़ैक्टरिंग के लिए कौन-सी नियंत्रण रणनीति उपयुक्त है? रूपांतरण पहचानने या प्रस्तावित करने के लिए मॉडल का उपयोग करें, फिर जहाँ संभव हो उसे विश्वसनीय रीफ़ैक्टरिंग इंजन से निष्पादित करें और संकलन, परीक्षण, स्थैतिक जाँच तथा अभिप्रेत रीफ़ैक्टरिंग सत्यापित करें। विश्वसनीय प्रतीत होने वाला जनित पैच पर्याप्त साक्ष्य नहीं है। [रीफ़ैक्टरिंग निर्णय-पंक्ति खोलें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#control-surface) .
7. कोड जनन को केवल नियंत्रणीय नहीं, बल्कि पूर्वानुमेय क्या बनाता है? जनक चुनने से पहले प्रेक्षणीय संरक्षण अनुबंध और स्वीकृति जाँच निर्धारित करें। पूर्वानुमेयता इस पर निर्भर करती है कि डिकोडिंग और सत्यापन के बाद क्या स्थिर रहता है, केवल इस पर नहीं कि कोई प्रॉम्प्ट, मास्क, व्याकरण अथवा अव्यक्त कोड स्थिर किया गया था। [संरक्षण अनुबंध निर्धारित करें](https://aogavrilov.com/hi/projects/discrete-latent-generation/#core-idea) .
8. रिपोर्ट किए गए पाठ प्रयोग में कोड-स्थान और टोकन-स्थान के मास्कित विसरण की तुलना कैसी रही? उसी बाहरी स्कोरर के अंतर्गत कोड-स्थान MDLM की माध्यिका परप्लेक्सिटी 26.55 थी, जबकि टोकन-स्थान बेसलाइन की 38.42—अर्थात 30.9% कमी। कोडेक पुनर्निर्माण की माध्यिका पहले ही 27.36 थी, इसलिए परिणाम की व्याख्या पुनर्निर्माण अवरोध के साथ करनी चाहिए। [रिपोर्ट किए गए चरणवार आँकड़ों का निरीक्षण करें](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#code-space-vs-token-space) .
9. कोडेक के हानिपूर्ण होने पर कोड-स्थान और टोकन-स्थान के मास्कित विसरण की तुलना कैसे की जानी चाहिए? मूल पाठ, कोडेक पुनर्निर्माण, टोकन-स्थान आउटपुट और कोड-स्थान आउटपुट के लिए वही पृथक रखे गए नमूने तथा डिकोड-पाठ स्कोरर प्रयोग करें। पुनर्निर्माण अंतर अलग बताएँ, क्योंकि अधिक सक्षम अव्यक्त जनित्र भी कोडेक द्वारा पहले ही हटाई गई सूचना पुनः प्राप्त नहीं कर सकता। [एक ही स्कोरर के अंतर्गत चरणों की तुलना करें](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#code-space-vs-token-space) .
10. दो-चरणीय पाठ जनित्र में गुणवत्ता हानि का निदान कैसे किया जा सकता है? एक ही अपरिवर्तित डिकोडेड-पाठ मूल्यांकक के अंतर्गत, पुनर्निर्माण-से-जनन अंतराल से पहले मूल-से-पुनर्निर्माण अंतराल मापें। इससे कोडेक द्वारा आरोपित गुणवत्ता-सीमा, अव्यक्त जनन से उत्पन्न अतिरिक्त ह्रास से अलग हो जाती है। [चार-जाँच-बिंदु निदान का पालन करें](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#workflow) .
11. बेहतर अव्यक्त-स्थान मेट्रिक्स कब डिकोड किए गए आउटपुट को सुधारने में विफल हो सकते हैं? रुचि के downstream गुण को अनुगमित किए बिना भी कोई अव्यक्त proxy सुधर सकता है। सुमेलित outputs को decode करके और समान अंतिम metrics से उनका मूल्यांकन करके transfer की जाँच करें; अन्यथा codebook geometry या utilization केवल नैदानिक साक्ष्य रहता है, पाठ-गुणवत्ता में वृद्धि नहीं। [प्रॉक्सी-अंतरण निदान अपनाएँ](https://aogavrilov.com/hi/projects/codec-bottleneck-diagnosis/#decision-table) .

## सीमाबद्ध साक्ष्य के दो स्नैपशॉट

ये संख्याएँ बताती हैं कि क्या मापा गया था; ये मॉडल की सार्वभौमिक प्रत्याभूतियाँ नहीं हैं।

### संपीडन का निदान

TinyStories के एक 64-to-16 विन्यास में माध्यिका परप्लेक्सिटी यहाँ से बढ़ी **15.17** स्रोत पाठ के लिए, से **27.36** पुनर्निर्माण के बाद। Code-space MDLM ने प्राप्त किया **26.55** की तुलना में **38.42** समान बाहरी स्कोरर के अंतर्गत टोकन-स्पेस बेसलाइन के लिए।

### निरीक्षणीय संपादन नियंत्रण

64-टोकन वाले एक Python-फ़ंक्शन विन्यास में चार शीर्ष-स्तरीय कोड लॉक करने से पार्स दर यहाँ से बढ़ी **0.453** तक **0.591** , जबकि अनलॉक स्थानों में परिवर्तन की दर थी **0.936** और conditional samples बने रहे **0.998** अद्वितीय।

## यह मानचित्र क्या दावा नहीं करता

प्रकाशित प्रयोग सटीक AST संरक्षण, अर्थगत समतुल्यता, कार्यात्मक शुद्धता, रिपॉज़िटरी-स्तरीय मरम्मत अथवा कोडेक और जनक बाधा-बिंदुओं का सार्वभौमिक क्रम स्थापित नहीं करते। मार्गदर्शिकाएँ सीमाबद्ध साक्ष्य को पुनःप्रयोग योग्य निदान प्रक्रियाओं में रूपांतरित करती हैं; फिर भी प्रत्येक नई प्रणाली को अपने डिकोड किए गए आउटपुट और व्यवहार-स्तरीय सत्यापन की आवश्यकता है।