# Lokalizált kódmódosítás generatív modellekkel

Canonical HTML: https://aogavrilov.com/hu/research-notes/localized-code-modification-generative-models/

Document language: hu

KUTATÁSI JEGYZET

Hogyan kerülhető el a teljes függvény szükségtelen újraírása úgy, hogy a generatív modellnek elegendő szabadsága maradjon a kért kódmódosítás elvégzésére?

Megjelent 2026. július 30. [Alexey Gavrilov](https://aogavrilov.com/about/)

KÖZVETLEN VÁLASZ

## Hogyan módosíthatja egy generatív modell a kódot a teljes függvény újraírása nélkül?

A generálás előtt jelölje ki a védett és a szerkeszthető régiókat, használja újra vagy korlátozza a védett reprezentációt, kizárólag módosítási jelölteket generáljon, és utasítsa el a védett kódot megváltoztató, illetve a feladatspecifikus ellenőrzéseken elbukó kimeneteket. A lokalitást és a feladat sikerességét együttesen kell mérni.

## Miért fontos a megkülönböztetés?

A módszernek és az állított garanciának ugyanarra a megfigyelhető határra kell vonatkoznia.

A lokalizált kódmódosítás szerkesztési probléma, nem pusztán rövidebb kódgenerálási utasítás. A bemenet már tartalmaz egy megőrzésre érdemes szoftverterméket, ezért a módszernek explicit megőrzési határt kell kijelölnie a módosítható régió és a változatlanul tartandó tulajdonságok között.

A határ lehet forráskódrészlet, szintaxisfa-csomópont, API-szignatúra, tesztviselkedés, függőségi szerződés vagy tanult látens pozíció. E lehetőségek nem felcserélhetők: mindegyik más megfigyelhető tulajdonságot véd, és hozzá illő ellenőrzési lépést igényel.

## Gyakorlati eljárás

1. Fogalmazza meg a megőrzési szerződést Azonosítsa a szerkeszthető régiót, valamint azt a pontos szöveget, szerkezetet, interfészt vagy viselkedést, amelynek változatlanul kell maradnia.
2. Válassza a legszűkebb, még használható vezérlési felületet Használja fel újra a változatlan forrásrészleteket, alkalmazzon hézagkitöltést vagy szerkesztésközpontú dekódolást és formális korlátozásokat, illetve rögzítse a kiválasztott látens pozíciókat az elvárt tulajdonságnak megfelelően.
3. Csak ott generáljunk, ahol a módosítás megengedett A feladat megoldásához hagyjon elegendő szabadságot a szerkeszthető régión belül; a teljes bemenet másolása ugyan lokális, de nem jelent előrelépést.
4. A lokalitást és a sikert együttesen ellenőrizze Utasítsa el azokat a jelölteket, amelyek módosítják a védett régiókat, nem elemezhetők vagy nem fordíthatók le, sértik a szerkezeti invariánsokat, illetve nem valósítják meg a kért változtatást.

## Megkövetelendő bizonyítékok

Egy állítás megalapozottságát az határozza meg, hogy a generálás vagy dekódolás után ténylegesen mely tulajdonságot mérték.

- A régión kívüli különbség vagy a védett régió stabilitásának más közvetlen mérőszáma.
- A feladat sikeressége a szerkeszthető régión belül.
- Az adott esetnek megfelelően szintaktikai elemzés, fordítás, tesztek, statikus ellenőrzések vagy feladatspecifikus invariánsok.
- A szerkeszthető régió változási aránya, hogy a másolást ne tévesszük össze a vezérléssel.
- A jelöltek egyedisége és az ismételt futtatások változékonysága, hogy a lokalitást ne tévesszük össze a módusösszeomlással.

### Miről számol be a hivatkozott tanulmány?

- A hivatkozott kísérlet 64 tokenből álló Python-függvényeket tömörít hierarchikus diszkrét pozíciókba, majd részleges korlátozások mellett újragenerálja a kiválasztott látens pozíciókat.
- Négy felső szintű kód zárolása 0.453-ról 0.591-re növelte a szintaktikai elemzés sikerarányát, miközben a feloldott pozíciók 0.936-os arányban változtak, a feltételes minták egyedisége pedig 0.998 maradt.
- E mérések a tokenszint felett stabilitás–szabadság kompromisszumot tárnak fel; nem bizonyítják a forrástartomány, az AST, a szemantika vagy a viselkedés pontos megőrzését.

[A publikáció áttekintésének elolvasása](https://aogavrilov.com/hu/publications/inspectable-control/) [Keresés a tanulmány teljes szövegében](https://aogavrilov.com/publications/inspectable-control/full-text/)

## A hatókör határa

- A rögzített látens kód önmagában nem AST-csomópont, védett forráskódrészlet vagy formális invariáns.
- A szintaktikai elemzés sikeraránya a szintaktikai jólformáltságot igazolja, nem a funkcionális helyességet vagy a javítás sikerét.
- A közölt bizonyítékok rövid, előfeldolgozott Python-függvényekből származnak, és nem igazolnak kódtárszintű viselkedést.

## Elsődleges és kapcsolódó források

Az eredeti módszerekért, mérésekért és közölt korlátokért tekintse meg a hivatkozott tanulmányokat.

1. [Inspectable Control for Structure-Preserving Software Regeneration](https://aogavrilov.com/hu/publications/inspectable-control/) Az alapul szolgáló tanulmány és a korlátozott hierarchikus látens kísérlet.
2. [EfficientEdit: Accelerating Code Editing via Edit-Oriented Speculative Decoding](https://arxiv.org/abs/2506.02780) Szerkesztésközpontú dekódolás, amely újra felhasználja a forrás változatlan részeit.
3. [PAFT: Preservation Aware Fine-Tuning for Minimal-Edit Program Repair](https://arxiv.org/abs/2604.03113) A programjavítás tanítása során explicitté teszi a megőrzést és a minimális módosítást.

Karbantartó: Alexey Gavrilov . Ez az oldal a meglévő bizonyítékokat foglalja össze; az idézett forrásokon túl nem közöl új kísérleti eredményt.