# Inspectable Control for Structure-Preserving Software Regeneration

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

Document language: hu

Vizsgálható vezérlés szerkezetmegőrző szoftver-újrageneráláshoz

A kód vezérelhető, részleges újragenerálása hierarchikus diszkrét látens reprezentációkkal.

[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, Moszkva, Oroszországi Föderáció](https://axxx.tech/)

[A teljes tanulmány elolvasása HTML-formátumban](https://aogavrilov.com/publications/inspectable-control/full-text/) Kereshető 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](https://creativecommons.org/licenses/by/4.0/) .

## A tanulmány 30 másodpercben

**Kutatási kérdés** Hogyan 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

2026. július 5. 1406–1407. o. Kapcsolódó poszter

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

## Tartalom Ezen az oldalon

## Fő eredmények

| Beállítás | A szintaktikai elemzés sikeraránya | Váz | Aláírás | Nem rögzített módosítás |
| --- | --- | --- | --- | --- |
| Bemenet (csonkolva) | 0.994 | 0.994 | 0.994 | — |
| Kodekrekonstrukció | 0.857 | 0.848 | 0.493 | 0 |
| Feltétel nélküli generálás | 0.453 | 0.08 | 0 | 0.995 |
| Feltételes, prefix k=4 | 0.591 | 0.295 | 0.061 | 0.936 |
| Feltételes, szignatúra-tartomány | 0.6 | 0.302 | 0.063 | nem 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.

Eredmények letöltése: [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) Külső tükörpéldány: [Hugging Face-adatlap](https://huggingface.co/datasets/aogavrilov/inspectable-control-results)

## PDF és hivatkozás

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

```
@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},
}
```

Hivatkozási fájlok: [APA-szöveg](https://aogavrilov.com/publications/inspectable-control/citation-apa.txt) [IEEE-szöveg](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 metaadat-XML](https://aogavrilov.com/publications/inspectable-control/metadata.jats.xml) [Teljes szövegű JATS 1.4 XML](https://aogavrilov.com/publications/inspectable-control/full-text/article.jats.xml) [RDF Turtle](https://aogavrilov.com/publications/inspectable-control/metadata.ttl) [Hivatkozáskészlet (JSON)](https://aogavrilov.com/publications/inspectable-control/linkset.json) [Hivatkozáskészlet (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)

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.](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg)

**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.](https://doi.org/10.1145/3803437.3807386) . Újrafelhasználási feltételek: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) . Javasolt hivatkozás: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. [SVG letöltése](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg) .*

### 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

## 

| Képesség | Tokenszintű vezérlés | Hierarchikus látens vezérlés |
| --- | --- | --- |
| A durva szerkezet rögzítése | Korlátozott | Natív durva kódszintű zárolás |
| Részleges újragenerálás | Sérülékeny felszíni korlátozások | A kiválasztott kódok maszkolt újramintavételezése |
| Ellenőrizhető vezérlési pontok | Nincs explicit köztes réteg | Durva és finom szintű diszkrét pozíciók |
| A tanulmányban szereplő bizonyítékok | Teljes viszonyítási alapként nem értékeltük | A 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

## 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. 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 .

## Forrásanyagok és reprodukálhatóság

## 

### Adatközlési nyilatkozat

## Verziók

## 

1. **Megjelent változat** [ACM FSE Companion, 2026](https://doi.org/10.1145/3803437.3807386)
2. **Szerzői kézirat** [Szövegesen hozzáférhető, végleges kézirat a végleges szerzőlistával és DOI-val](https://aogavrilov.com/publications/inspectable-control/paper.pdf)
3. **Külső teljes szövegű tükörpéldány** [A szerző CC BY 4.0 licencű kézirata a Hugging Face-en](https://huggingface.co/datasets/aogavrilov/inspectable-control-results/resolve/main/paper.pdf)
4. **A repozitóriumrekord megnyitása** [Az OpenAIRE által indexelt Zenodo-rekord](https://zenodo.org/records/21605395)
5. **A repozitóriumban található teljes szöveg megnyitása** [Zenodo CC BY 4.0 szerzői kézirat; szövege megegyezik a helyi kéziratéval](https://zenodo.org/records/21605395/files/fse2026-posters-final11%20%284%29.pdf?download=1)
6. **Szerzői anyagok** [Poszter és diasor](https://aogavrilov.com/publications/inspectable-control/media/)
7. **Bibliográfiai rekord** [DBLP](https://dblp.org/rec/conf/sigsoft/GavrilovGMMM26)
8. **A tudományos rekord megnyitása** [OpenAlex](https://openalex.org/W7169573479)
9. **Hivatkozási gráf rekordja** [Semantic Scholar](https://www.semanticscholar.org/paper/93c3de037596ce177d9d882d214ccad5c5405b00)
10. **A szerző által megosztott teljes szöveg** [ResearchGate](https://www.researchgate.net/publication/410435483_Inspectable_Control_for_Structure-Preserving_Software_Regeneration)
11. **Közérthető összefoglaló** [Kudos](https://www.growkudos.com/publications/10.1145%252F3803437.3807386/reader)

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

## Kapcsolódó publikáció

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

Olvassa el a következőt: [Vezérelhető kódszerkesztés](https://aogavrilov.com/hu/projects/discrete-latent-generation/) kutatási útmutatót. [A szerzőről](https://aogavrilov.com/about/) .

### Célzott kutatási jegyzetek

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

- [Lokalizált kódmódosítás generatív modellekkel](https://aogavrilov.com/hu/research-notes/localized-code-modification-generative-models/)
- [Korlátozott kódgenerálás a szoftverfejlesztésben](https://aogavrilov.com/hu/research-notes/constrained-code-generation-software-engineering/)
- [MI-támogatott refaktorálás: módszerek és bizonyítékok](https://aogavrilov.com/hu/research-notes/ai-assisted-refactoring-evidence/)
- [A kiszámítható kódgeneráláshoz megőrzési szerződés szükséges](https://aogavrilov.com/hu/research-notes/predictable-code-generation-preservation-contract/)