AG — Alexey Gavrilov home

Inspectable Control for Structure-Preserving Software Regeneration

Vizsgálható vezérlés szerkezetmegőrző szoftver-újrageneráláshoz

A kód vezérelhető, részleges újragenerálása hierarchikus diszkrét látens reprezentációkkal.

Alexey Gavrilov1Alan-Barsag Gazzaev1Mikhail Mozikov2Ilya Makarov2Sergey Muravyov1

  1. ITMO University, Saint Petersburg, Russian Federation
  2. AXXX, Moszkva, Oroszországi Föderáció

A teljes tanulmány elolvasása HTML-formátumbanKereshető szöveg képletekkel, táblázatokkal, ábrákkal és hivatkozásokkal.

A szerző közlésre kész kézirata a végleges szerzőlistával és DOI-val. CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. A közzététel és újrafelhasználás feltételei.

A tanulmány 30 másodpercben

Kutatási kérdésHogyan módosíthatja egy generatív modell a program kijelölt részeit úgy, hogy közben megőrzi durva szerkezetének kiválasztott elemeit?

Probléma

Az MI-vel támogatott kódmódosítás során gyakran egyetlen, körülhatárolt változtatást kell elvégezni úgy, hogy a programszerkezet kijelölt elemei változatlanok maradjanak. A teljes program újragenerálása a feladattól független részeket is megváltoztathatja, a tokenszintű korlátozások pedig nem biztosítanak magasabb szintű vezérlési felületet.

Megközelítés

A vizsgálat hierarchikus VQ-VAE-vel kódolja a 64 tokenből álló Python-függvényeket, rögzíti a kijelölt, magasabb szintű diszkrét kódokat, a fennmaradó látens pozíciókban pedig maszkolt diszkrét generálással végzi a kód lokális újragenerálását.

Fő eredmény

Négy felső szintű kód rögzítése 0.453-ról 0.591-re növeli a szintaktikailag elemezhető kimenetek arányát, miközben a nem rögzített pozíciók változási aránya továbbra is 0.936, a feltételes minták egyedisége pedig 0.998 marad.

Miért fontos?

Az eredmények számszerűsíthető kompromisszumot mutatnak a stabilitás és a módosítás szabadsága között a vezérelhető kódszerkesztésben és a programok részleges újragenerálásában. Előzetes bizonyítékot szolgáltatnak egy vizsgálható látens vezérlési réteg létjogosultságára, de nem bizonyítják sem a szemantikai egyenértékűséget, sem a funkcionális helyességet.

Kivonat

A korlátozott javításhoz, a szakaszos finomításhoz és a szerkezetmegőrző módosításhoz hasonló szoftvermérnöki munkafolyamatokban szabályozni kell, mi változhat, és minek kell rögzítettnek maradnia. A tokenszintű generálás e műveletekhez gyenge vezérlési felületet kínál, mert a szoftvermérnöki gyakorlatban gyakran megőrzendő, magasabb szintű szerkezeti invariánsok helyett a lokális felszíni szöveget korlátozza. A hierarchikus diszkrét látens változókat a szoftverartefaktumok vizsgálható köztes reprezentációjaként tanulmányozzuk: egy hierarchikus VQ-VAE egy 64 tokenből álló Python-függvényt magasabb és alacsonyabb szintű diszkrét kódokká tömörít, a maszkolt diszkrét generálás pedig részleges korlátozások mellett csak a kijelölt pozíciókat generálja újra. A 2,000 előfeldolgozott Python-függvényen végzett vizsgálatban négy felső szintű kód rögzítése 0.453-ról 0.591-re növeli a szintaktikailag elemezhető kimenetek arányát, miközben a nem rögzített pozíciók jelentős mértékben változnak (szerkesztési szabadság: 0.936), a minták egyedisége pedig közel maximális marad (változatosság: 0.998). Rögzített magasabb szintű kontextus mellett az alacsonyabb szintű finomítás gyengébb, de monoton marad, ami alátámasztja a hierarchia felülről lefelé haladó értelmezését. Összességében az eredmények előzetes bizonyítékot szolgáltatnak egy olyan gyakorlati vezérlési réteg létjogosultságára, amely a tokenszint fölött teszi lehetővé a szoftverartefaktumok körülhatárolt, szerkezetmegőrző újragenerálását.

Megjelenés helye Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

A hozzájárulás típusa Látens térbeli vezérlési módszer

1406–1407. o.Kapcsolódó poszter

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

A tanulmány megosztásaMegosztás

Fő eredmények

A Vizsgálható vezérlés szerkezetmegőrző szoftver-újrageneráláshoz fő eredményei
BeállításA szintaktikai elemzés sikerarányaVázAláírásNem rögzített módosítás
Bemenet (csonkolva)0.9940.9940.994—
Kodekrekonstrukció0.8570.8480.4930
Feltétel nélküli generálás0.4530.0800.995
Feltételes, prefix k=40.5910.2950.0610.936
Feltételes, szignatúra-tartomány0.60.3020.063nem közölt adat

Fő eredmény. A magasabb szintű látens változók rögzítése javítja a szintaktikai stabilitást anélkül, hogy ellehetetlenítené a szerkeszthető régió módosítását; az eredmény szerkezeti vezérlést szemléltet, nem pedig garantált funkcionális egyenértékűséget.

Adathalmaz
2 000 előfeldolgozott Python-függvény a CodeParrot Clean egy részhalmazából
Mintanagyság
2 000 előfeldolgozott Python-függvény; a feltételes minták egyedisége 0,998.
Mérőszámok
A szintaktikai elemzés sikeraránya; a váz- és szignatúramegőrzés helyettesítő mérőszámai; a feloldott pozíciók változási aránya; a minták egyedisége és entrópiája
Bizonytalanság
A kétoldalas tanulmány pontbecsléseket közöl konfidenciaintervallumok és több véletlenmagot alkalmazó statisztikai elemzés nélkül.
Feltételek
64 tokenből álló függvények, argmax dekódolás, 16 felső és 32 alsó szintű kód; teljes rögzítés mellett pontosan visszaáll a kodek-rekonstrukció.

Eredmények letöltése:CSVJSONMarkdownKülső tükörpéldány:Hugging Face-adatlap

PDF és hivatkozás

Hivatkozás erre a tanulmányra A BibTeX az ajánlott formátum. Az alábbi változatok mindegyike ugyanabból a publikációs rekordból készül.

PDF megnyitása
@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},
}
.bib letöltése

Hivatkozási fájlok:APA-szövegIEEE-szövegRISCSL-JSONSchema.org JSON-LDOAI-DC XMLOpenAIRE v4 XMLMODS XMLJATS 1.4 metaadat-XMLTeljes szövegű JATS 1.4 XMLRDF TurtleHivatkozáskészlet (JSON)Hivatkozáskészlet (HTTP)RO-Crate

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

Teljes útmutató

Teljes kutatási útmutató

Módszer

A módszer egy rövid Python-függvényt kétszintű diszkrét kódokká tömörít, rögzíti a kiválasztott durva pozíciókat, majd a fennmaradó pozíciókat a kóddá való visszadekódolás előtt újragenerálja.

  1. Kódolás

    Tömörítsen egy 64 tokenes Python-függvényt hierarchikus VQ-VAE segítségével 16 felső szintű és 32 alsó szintű kódba.

  2. Zárolás

    Válasszon olyan durva szintű kódpozíciókat, amelyek a megőrzendő struktúrát reprezentálják, például a függvényszignatúra tartományát lefedő prefixet.

  3. Újragenerálás

    A maszkolt diszkrét generálást kizárólag a feloldott pozíciókon futtassa, majd a kiegészített hierarchiát dekódolja vissza forráskóddá.

  4. Ellenőrzés

    Az újragenerálás elfogadása előtt mérje a szintaktikai elemzés sikerarányát, a strukturális helyettesítő mérőszámokat, a feloldott pozíciók változását és a minták egyediségét.

A program kijelölt, magasabb szintű kódjai rögzítve maradnak, miközben a rendszer újragenerálja a maszkolt, alacsonyabb szintű diszkrét kódokat, majd módosított Python-függvénnyé dekódolja őket.
A hierarchikus diszkrét látens kódszerkesztés megőrzi a programszerkezet kijelölt, magasabb szintű elemeit, miközben újragenerálja az alacsonyabb szintű kódokat a szerkeszthető régióban.Forrás: A szerző által készített magyarázó ábra a közzétett módszer és eredmények alapján..Újrafelhasználási feltételek: CC BY 4.0.Javasolt hivatkozás: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. SVG letöltése.

Alapgondolat

A vezérlés a tokenek fölötti tanult reprezentációra hat: a durva szintű látens pozíciók egyértelműen kijelölik azokat a helyeket, ahol a struktúra rögzíthető, miközben a közeli implementációs részletek szerkeszthetők maradnak.

Eltérés a kapcsolódó megközelítésektől

Az utasítás- vagy tokenszintű korlátozások a felszíni szövegre hatnak. A javasolt interfész durva és finom felbontású diszkrét vezérlési pontokat tesz hozzáférhetővé, és méri az ebből adódó stabilitás–szabadság kompromisszumot.

Mi az újdonság?

A munka a szoftverartefaktumok körülhatárolt újragenerálására szolgáló, vizsgálható hierarchikus látens vezérlési réteget vezet be és értékel.

Kérdések, amelyek megválaszolásához e tanulmány hozzájárul

Nyisson meg egy kérdést a tanulmányon alapuló tömör válaszért. A bizonyítékok részletes érvényességi határait a Korlátok szakasz ismerteti.

  1. Hogyan szerkesztheti a mesterséges intelligencia a kódot anélkül, hogy mindent újraírna?

    A tanulmány a kód tokenszint feletti részleges újragenerálását vizsgálja. Egy hierarchikus VQ-VAE a rövid Python-függvényt durva és finom diszkrét kódokra képezi le; a kiválasztott durva pozíciókat zárolják, a maszkolt diszkrét generálás pedig a dekódolás előtt csak a fennmaradó látens pozíciókat módosítja. Ez a teljes függvény újragenerálása helyett kifejezett megőrzési határt biztosít.

  2. Milyen módszerek őrzik meg a program szerkezetét kódgenerálás közben?

    A munka hierarchikus diszkrét látens vezérlést vizsgál. A magasabb szintű látens pozíciók rögzíthetők, miközben a többi pozíciót újragenerálják; ezt követően a szintaktikailag elemezhető kimenetek arányát és szerkezeti helyettesítő mérőszámokat mérnek. A bizonyíték rövid Python-függvények valószínűségi szerkezeti stabilitására vonatkozik; nem igazolja az AST pontos megőrzését, a szemantikai egyenértékűséget vagy a funkcionális helyességet.

  3. Lehetővé teszik-e a hierarchikus diszkrét látens reprezentációk a kód lokális vezérlését?

    A közölt, 2,000 függvényen végzett kísérletben négy felső szintű kód rögzítése 0.453-ról 0.591-re növelte a szintaktikailag elemezhető kimenetek arányát. Eközben a nem rögzített pozíciók 0.936-os arányban változtak meg, a feltételes minták egyedisége pedig 0.998 volt. Ezek az eredmények előzetes bizonyítékot szolgáltatnak arra, hogy a magasabb szintű látens korlátozások megőrizhetik a szerkezet egyes elemeit anélkül, hogy megszüntetnék a lokális szerkesztés szabadságát vagy a minták változatosságát.

  4. Hogyan teremthet egyensúlyt a kódgenerálás a szerkezeti stabilitás és a változatosság között?

    A tanulmány a stabilitást és a szabadságot együtt értékeli, ahelyett hogy kizárólag az érvényességet optimalizálná. A durva kódok zárolása növeli a szintaktikai érvényességet, miközben a feloldott pozíciók változása nagy marad, a feltételes minták pedig szinte teljesen egyediek. Az eredmény a vizsgált beállításban mérhető kompromisszumot mutat a stabilitás és a szabadság között, nem pedig egyetemes optimumot.

  5. Hogyan kapcsolódik ez a munka az LLM-mel támogatott kódszerkesztéshez?

    A vizsgált modell maszkolt diszkrét generálást alkalmazó hierarchikus VQ-VAE, nem nagy nyelvi modell. A vezérlési probléma ennek ellenére releváns az LLM-mel támogatott szerkesztésben, mert a kért tartományon kívüli szükségtelen módosítások gyakorlati gondot jelentenek. A tanulmány egy kiegészítő látens térbeli mechanizmussal és értékelési kerettel járul hozzá a területhez, nem LLM-szerkesztési benchmarkkal.

Összehasonlítás a kapcsolódó megközelítésekkel

A Vizsgálható vezérlés szerkezetmegőrző szoftver-újrageneráláshoz összevetése a kapcsolódó megközelítésekkel
KépességTokenszintű vezérlésHierarchikus látens vezérlés
A durva szerkezet rögzítéseKorlátozottNatív durva kódszintű zárolás
Részleges újragenerálásSérülékeny felszíni korlátozásokA kiválasztott kódok maszkolt újramintavételezése
Ellenőrizhető vezérlési pontokNincs explicit köztes rétegDurva és finom szintű diszkrét pozíciók
A tanulmányban szereplő bizonyítékokTeljes viszonyítási alapként nem értékeltükA szintaktikai stabilitás és a szerkesztési szabadság diagnosztikája

A táblázat az interfészeket és a vizsgálatban mért bizonyítékokat ismerteti; nem állít funkcionális helyességet vagy általános fölényt.

Relevancia és hatókör

A tanulmány elsősorban azokhoz a munkákhoz kapcsolódik, amelyekben kifejezetten szabályozni kell, mit módosíthat egy MI-vel támogatott kódátalakítás, és a program mely részeinek kell stabilnak maradniuk.

  1. Vezérelhető, struktúramegőrző kódgenerálás

  2. Lokalizált programjavítás és körülhatárolt refaktorálás

  3. Hierarchikus diszkrét reprezentációk forráskódhoz

  4. Forráskód maszkolt diszkrét generálása

  5. Szoftvertermékek látens vezérlése

Lásd a korlátokat és a bizonyítékok érvényességi határait

Korlátok

  • A vizsgálat kizárólag 64 tokenre csonkolt, rövid Python-függvényekre terjed ki.
  • Az értékelés argmax dekódolást, valamint szintaktikai vagy szerkezeti helyettesítő mérőszámokat alkalmaz a funkcionális ekvivalencia tesztelése helyett.
  • A pontos szignatúramegőrzés továbbra is gyenge.
  • Az alsóbb szintű vezérlés gyengébb a felső szintű vezérlésnél.
  • A látens pozíciók még nincsenek szemantikai régiókhoz — például AST-tartományokhoz, szignatúrákhoz vagy vezérlésfolyam-szerkezethez — igazítva.
  • Az eredmények nem igazolják a gyakorlati javítások, refaktorálások vagy kódtárszintű módosítások helyességét.

A tanulmányban hivatkozott szakirodalom

E bejegyzések a tanulmány PDF-változatának számozott References szakaszához tartoznak.

  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.

Forrásanyagok és reprodukálhatóság

Kiadó
ACM
A publikáció forrásanyagai
A nyilvános kézirat, az eredménytáblázatok, a magyarázó ábra és a hivatkozási fájlok itt érhetők el. Az implementációs kódot és az ellenőrzőpontokat nem tették közzé.

Adatközlési nyilatkozat

Forrás
A CodeParrot Clean 2 000 Python-függvényt tartalmazó, előfeldolgozott részhalmaza.
Licenc
A webhely nem terjeszti tovább az adatkészlet fájljait; az újrafelhasználásra továbbra is az eredeti CodeParrot-adatkészlet és a forráskód licencei vonatkoznak.
Előfeldolgozás
A Python-függvényeket tokenizáljuk, majd a hierarchikus kódolás előtt 64 tokenre csonkoljuk vagy kitöltjük.
Felosztás
A poszter 2,000 függvényből álló értékelési halmazról számol be; a nyilvános tanulmány nem tartalmaz megváltoztathatatlan tanító/validációs felosztási jegyzéket.
Formátum
Python-forrásfüggvények, GPT-típusú tokensorozatok, 16 elemű felső szintű kódsorozatok és 32 elemű alsó szintű sorozatok.
Verzió / ellenőrző összeg
A kétoldalas tanulmány nem közli az adathalmaz ellenőrző összegét és megváltoztathatatlan pillanatkép-azonosítóját.
Beszerzés
A publikáció oldalán nem tettek közzé nyilvános adatbeszerzési szkriptet.
Felhasználási korlátok
A minta nem reprezentatív a kódtárszintű szoftverekre, több programozási nyelvre vagy a viselkedés szintjén ellenőrzött javítási feladatokra nézve.

Verziók

  1. Megjelent változatACM FSE Companion, 2026
  3. Külső teljes szövegű tükörpéldányA szerző CC BY 4.0 licencű kézirata a Hugging Face-en
  4. A repozitóriumrekord megnyitásaAz OpenAIRE által indexelt Zenodo-rekord
  5. A repozitóriumban található teljes szöveg megnyitásaZenodo CC BY 4.0 szerzői kézirat; szövege megegyezik a helyi kéziratéval
  6. Szerzői anyagokPoszter és diasor
  7. Bibliográfiai rekordDBLP
  8. A tudományos rekord megnyitásaOpenAlex
  9. Hivatkozási gráf rekordjaSemantic Scholar
  10. A szerző által megosztott teljes szövegResearchGate
  11. Közérthető összefoglalóKudos

A közzétett DOI az elsődleges bibliográfiai azonosító. Ez az oldal marad a projekt egyetlen kanonikus URL-je minden változatban.

Olvassa el a következőt: Vezérelhető kódszerkesztés kutatási útmutatót.A szerzőről.

Célzott kutatási jegyzetek

A szándékhoz igazodó válaszok, egyértelmű bizonyítéki korlátokkal és a tanulmányra visszamutató hivatkozásokkal.