Kegagalan codec atau generator?
Pisahkan loss rekonstruksi dari loss generasi laten sebelum menghabiskan komputasi pada tahap yang keliru.
Buka panduan diagnostikAlexey Gavrilov
Peneliti pembelajaran mesinITMO University
Riset yang tetap dapat ditelaah.
Saya meneliti bagaimana representasi, kompresi, dan keterkendalian membentuk kualitas teks dan kode hasil generasi.
Arah riset
Penyuntingan kode yang terlokalisasi dan dapat diprediksi
Cegah penulisan ulang seluruh fungsi dengan membandingkan regenerasi selektif, generasi terkendala, dan refactoring berbantuan AI di bawah kontrak pelestarian eksplisit.
Telusuri proyekTelusuri 5 pertanyaan riset terfokus
- Bagaimana pemodelan bahasa berbasis difusi diskret bertopeng di ruang kode dan ruang token perlu dibandingkan?
- Bagaimana model generatif dapat memodifikasi kode tanpa menulis ulang seluruh fungsi?
- Apa yang dijamin oleh generasi kode terkendala dalam alur kerja rekayasa perangkat lunak?
- Metode dan bukti apa yang relevan bagi refaktorisasi berbantuan AI yang mempertahankan perilaku?
- Apa yang membuat generasi kode dapat diprediksi, bukan sekadar dapat dikendalikan?
Riset unggulan
Metodologi diagnostik
Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
Titik Keruntuhan Mutu dalam Generasi Teks Pendek Terkompresi: Lokalisasi Bottleneck Bertahap
Memisahkan kegagalan codec dari kegagalan generasi laten dalam pembangkitan teks pendek terkompresi.
Penelitian lain
Telusuri semua publikasiInspectable Control for Structure-Preserving Software Regeneration
Kendali yang Dapat Diperiksa untuk Regenerasi Perangkat Lunak yang Melestarikan Struktur