Inspectable Control for Structure-Preserving Software Regeneration

संरचना-संरक्षक सॉफ्टवेअर पुनर्निर्मितीसाठी तपासता येणारे नियंत्रण

श्रेणीबद्ध विविक्त सुप्त निरूपणे वापरून नियंत्रणक्षम आंशिक कोड पुनर्निर्मिती.

Alexey Gavrilov1Alan-Barsag Gazzaev1Mikhail Mozikov2Ilya Makarov2Sergey Muravyov1

  1. ITMO University, Saint Petersburg, Russian Federation
  2. AXXX, Moscow, Russian Federation

संपूर्ण शोधलेख HTML मध्ये वाचासूत्रे, तक्ते, आकृत्या आणि संदर्भांसह शोधता येण्याजोगा मजकूर.

अंतिम लेखक-यादी आणि DOI असलेली लेखकाची मुद्रणसिद्ध हस्तलिखित प्रत. CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. प्रकाशन आणि पुनर्वापराच्या अटी.

शोधनिबंध 30 सेकंदांत

संशोधन प्रश्नप्रोग्रामच्या स्थूल संरचनेतील निवडक घटक जपून निर्मितिक्षम प्रतिमान त्याच्या निवडक भागांत बदल कसे करू शकते?

समस्या

AI-सहाय्यित कोड-बदलात अनेकदा प्रोग्रामची निवडक संरचना स्थिर ठेवून एक मर्यादित बदल करावा लागतो. संपूर्ण प्रोग्राम पुन्हा निर्माण केल्यास असंबंधित भाग विस्कळीत होऊ शकतात; टोकन-स्तरीय निर्बंध स्थूल पातळीवरील नियंत्रण उपलब्ध करून देत नाहीत.

दृष्टिकोन

या अभ्यासात श्रेणीबद्ध VQ-VAE वापरून 64-टोकन Python फलनांचे संकेतन केले जाते, निवडक स्थूल विविक्त कोड स्थिर ठेवले जातात आणि उर्वरित सुप्त स्थानांतील स्थानिक कोड-पुनर्निर्मितीसाठी मुखवटित विविक्त निर्मिती वापरली जाते.

मुख्य निष्कर्ष

चार उच्च-स्तरीय कोड कुलूपबंद केल्याने parse rate 0.453 वरून 0.591 पर्यंत वाढतो; तरीही कुलूपमुक्त स्थाने 0.936 दराने बदलतात आणि सशर्त नमुन्यांची अद्वितीयता 0.998 राहते.

हे महत्त्वाचे का आहे

निष्कर्ष नियंत्रणक्षम कोड-संपादन आणि आंशिक प्रोग्राम-पुनर्निर्मितीतील स्थैर्य–स्वातंत्र्याची मोजता येण्याजोगी तडजोड दर्शवतात. ते तपासता येण्याजोग्या सुप्त नियंत्रण-स्तराचा प्राथमिक पुरावा देतात; अर्थविषयक समतुल्यता किंवा कार्यात्मक अचूकता सिद्ध करत नाहीत.

सारांश

निर्बंधित दुरुस्ती, टप्प्याटप्प्याने परिष्करण आणि संरचना-संरक्षक बदल यांसारख्या सॉफ्टवेअर-अभियांत्रिकी कार्यप्रवाहांत काय बदलावे आणि काय स्थिर राहावे यावर नियंत्रण आवश्यक असते. या कामांसाठी टोकन-स्तरीय निर्मिती हा मर्यादित नियंत्रण-पृष्ठभाग आहे, कारण सॉफ्टवेअर अभियांत्रिकीमध्ये जपायच्या स्थूल संरचनात्मक अपरिवर्तनीय गुणधर्मांऐवजी ती स्थानिक पृष्ठीय मजकुरावर निर्बंध घालते. सॉफ्टवेअर-कलाकृतींसाठी तपासता येण्याजोगे मध्यवर्ती निरूपण म्हणून आम्ही श्रेणीबद्ध विविक्त सुप्त चलांचा अभ्यास करतो: श्रेणीबद्ध VQ-VAE हे 64-टोकन Python फलन स्थूल आणि सूक्ष्म विविक्त कोडमध्ये संपीडित करते, तर मुखवटित विविक्त निर्मिती आंशिक निर्बंधांखाली केवळ निवडक स्थाने पुन्हा निर्माण करते. पूर्वप्रक्रिया केलेल्या 2,000 Python फलनांमध्ये चार उच्च-स्तरीय कोड कुलूपबंद केल्याने parse rate 0.453 वरून 0.591 पर्यंत सुधारतो; त्याच वेळी कुलूपमुक्त स्थानांतील लक्षणीय बदल (संपादन-स्वातंत्र्य, 0.936) आणि जवळपास कमाल नमुना-अद्वितीयता (विविधता, 0.998) टिकून राहते. स्थिर स्थूल संदर्भात निम्न-स्तरीय परिष्करण दुर्बल असले, तरी ते एकदिशी राहते आणि या श्रेणीचे स्थूलाकडून सूक्ष्माकडे असे आकलन समर्थित करते. एकंदर, हे निष्कर्ष टोकन-स्तराच्या वर मर्यादित, संरचना-संरक्षक सॉफ्टवेअर-कलाकृती पुनर्निर्मितीला आधार देणाऱ्या व्यावहारिक नियंत्रण-स्तराचा प्राथमिक पुरावा देतात.

येथे प्रकाशित Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

योगदानाचा प्रकार सुप्त-अवकाश नियंत्रण पद्धत

पृ. 1406–1407पूरक पोस्टर

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

हा शोधनिबंध सामायिक करासामायिक करा

मुख्य निष्कर्ष

संरचना जपणाऱ्या सॉफ्टवेअर पुनर्निर्मितीसाठी निरीक्षणक्षम नियंत्रणाचे प्रमुख निष्कर्ष
मांडणीपार्सिंग दरसांगाडास्वाक्षरीमुक्त ठेवलेला बदल
निविष्ट (संक्षिप्त)0.9940.9940.994
कोडेक पुनर्रचना0.8570.8480.4930
बिनशर्त निर्मिती0.4530.0800.995
सशर्त, उपसर्ग k=40.5910.2950.0610.936
सशर्त, स्वाक्षरी विस्तार0.60.3020.063नोंदवलेले नाही

मुख्य निष्कर्ष. स्थूल सुप्त चल कुलूपबंद केल्याने संपादनयोग्य भागातील बदलाचे स्वातंत्र्य नष्ट न होता वाक्यरचनात्मक स्थैर्य सुधारते; हा निष्कर्ष संरचनात्मक नियंत्रण दाखवतो, कार्यात्मक समतुल्यतेची हमी देत नाही.

डेटासंच
CodeParrot Clean उपसंचातील 2,000 पूर्वप्रक्रिया केलेली Python फलने
नमुना आकार
2,000 पूर्वप्रक्रिया केलेली Python फलने; सशर्त नमुन्यांची अद्वितीयता 0.998 आहे.
मापन निकष
पार्सिंग दर; सांगाडा व स्वाक्षरी-संरक्षणाची प्रतिनिधी-मापके; कुलूपमुक्त स्थानांचा बदल-दर; नमुन्याचे अनन्यत्व आणि एंट्रॉपी
अनिश्चितता
दोन पानांचा हा अभ्यास विश्वासांतर किंवा बहु-सीड सांख्यिकीय विश्लेषण न देता बिंदू-अंदाज नोंदवतो.
अटी
64-टोकन फलने, argmax विसंकेतन, 16 उच्च-स्तरीय व 32 निम्न-स्तरीय संकेतांक; संपूर्ण कुलूपबंदीमुळे कोडेक पुनर्रचना तंतोतंत पुनर्प्राप्त होते.

PDF आणि संदर्भ-उद्धरण

या शोधपत्राचा संदर्भ द्या BibTeX हे शिफारस केलेले स्वरूप आहे. खालील प्रत्येक प्रकार त्याच प्रकाशन-नोंदीपासून निर्माण केला आहे.

PDF उघडा
@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 डाउनलोड करा

संदर्भ-उद्धरण फायली:APA मजकूरIEEE मजकूरRISCSL-JSONSchema.org JSON-LDOAI-DC XMLOpenAIRE v4 XMLMODS XMLJATS 1.4 मेटाडेटा XMLसंपूर्ण-मजकूर JATS 1.4 XMLRDF Turtleदुवा संच (JSON)दुवा संच (HTTP)RO-Crate

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

संपूर्ण मार्गदर्शिका

संपूर्ण संशोधन मार्गदर्शिका

पद्धत

ही पद्धत लघु Python फलनाचे विविक्त कोडच्या दोन स्तरांत संक्षेपण करते, निवडक स्थूल स्थाने गोठवते आणि पुन्हा कोडमध्ये विकोडन करण्यापूर्वी उर्वरित स्थाने पुनर्निर्मित करते.

  1. संकेतित करा

    श्रेणीबद्ध VQ-VAE वापरून 64-token Python फलन 16 उच्च-स्तरीय कोड आणि 32 निम्न-स्तरीय कोडमध्ये संपीडित करा.

  2. कुलूपबंद करा

    जतन करावयाच्या संरचनेचे प्रतिनिधित्व करणारी स्थूल कोड-स्थाने निवडा; उदाहरणार्थ, फलन-स्वाक्षरीचा विस्तार व्यापणारा उपसर्ग.

  3. पुनर्निर्मिती करा

    केवळ कुलूपमुक्त स्थानांवर मुखवटित विविक्त निर्मिती चालवा आणि पूर्ण झालेली श्रेणीरचना पुन्हा स्रोत-कोडमध्ये डीकोड करा.

  4. निरीक्षण करा

    पुनर्निर्मिती स्वीकारण्यापूर्वी पार्सिंग दर, संरचनात्मक प्रतिनिधी-मापके, कुलूपमुक्त स्थानांतील बदल आणि नमुन्याचे अनन्यत्व मोजा.

निवडक स्थूल प्रोग्राम कोड स्थिर ठेवले जातात, तर मुखवटित सूक्ष्म विविक्त कोड पुन्हा निर्माण करून त्यांचे सुधारित Python फलनात विकोडन केले जाते.
श्रेणीबद्ध विविक्त सुप्त कोड-संपादनात निवडक स्थूल प्रोग्राम-संरचना जपली जाते आणि संपादनयोग्य भागातील सूक्ष्म कोड पुन्हा निर्माण केले जातात.स्रोत: प्रकाशित पद्धत आणि निष्कर्षांवर आधारित, लेखकाने तयार केलेली स्पष्टीकरणात्मक आकृती..पुनर्वापराच्या अटी: CC BY 4.0.सुचवलेले श्रेय: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. SVG डाउनलोड करा.

मुख्य कल्पना

टोकनांवरील अधिगमित निरूपणाला नियंत्रण लागू केले जाते: स्थूल सुप्त स्थाने अशी स्पष्ट ठिकाणे निश्चित करतात जिथे संरचना गोठवता येते, तर जवळचे अंमलबजावणी तपशील संपादनक्षम राहतात.

समीपवर्ती पद्धतींपासूनचा फरक

प्रॉम्प्ट-स्तरीय किंवा टोकन-स्तरीय बंधने पृष्ठीय मजकुरावर कार्य करतात. प्रस्तावित आंतरपृष्ठ स्थूल आणि सूक्ष्म विविक्त नियंत्रण-बिंदू उपलब्ध करून देते आणि त्यातून उद्भवणारी स्थैर्य–स्वातंत्र्य तडजोड मोजते.

नवे काय आहे

या कार्यात मर्यादित सॉफ्टवेअर-निर्मितांश पुनर्निर्मितीसाठी परीक्षणक्षम श्रेणीबद्ध सुप्त नियंत्रण-स्तर मांडला असून त्याचे मूल्यमापन केले आहे.

हा शोधलेख ज्या प्रश्नांची उत्तरे शोधण्यास मदत करतो

शोधनिबंधावर आधारित संक्षिप्त उत्तरासाठी प्रश्न उघडा. पुराव्याच्या सविस्तर सीमा ‘मर्यादा’ विभागात दिल्या आहेत.

  1. सर्व काही पुन्हा न लिहिता AI कोडचे संपादन कसे करू शकते?

    शोधनिबंध टोकन स्तराच्या वर अंशतः कोड पुनर्निर्मितीचा अभ्यास करतो. श्रेणीबद्ध VQ-VAE लघु Python फलनाचे स्थूल आणि सूक्ष्म विविक्त कोडमध्ये प्रतिचित्रण करते; निवडक स्थूल स्थाने स्थिर केली जातात आणि मुखवटित विविक्त निर्मिती विकोडनापूर्वी केवळ उर्वरित सुप्त स्थाने बदलते. त्यामुळे संपूर्ण फलन पुन्हा निर्माण करण्याऐवजी स्पष्ट जतन-सीमा मिळते.

  2. कोड-निर्मितीदरम्यान प्रोग्रामची संरचना कोणत्या पद्धती जपतात?

    या कार्यात श्रेणीबद्ध विविक्त सुप्त नियंत्रणाची चाचणी केली आहे. स्थूल सुप्त स्थाने स्थिर ठेवून उर्वरित स्थाने पुन्हा निर्माण करता येतात; त्यानंतर पार्स दर आणि संरचनात्मक प्रतिनिधी-मापके मोजली जातात. हा पुरावा लहान Python फलनांवरील संभाव्यताधारित संरचनात्मक स्थैर्याशी संबंधित आहे; तो अचूक AST जतन, अर्थविषयक समतुल्यता किंवा कार्यात्मक अचूकता सिद्ध करत नाही.

  3. श्रेणीबद्ध विविक्त सुप्त चलांमुळे कोडवर स्थानिकीकृत नियंत्रण मिळू शकते का?

    नोंदवलेल्या 2,000-फंक्शन प्रयोगात, चार सर्वोच्च-स्तरीय कोड कुलूपबंद केल्याने विश्लेषण दर 0.453 वरून 0.591 झाला. त्याच वेळी, कुलूपमुक्त स्थानांपैकी 0.936 स्थाने बदलली आणि सशर्त नमुने 0.998 अद्वितीय होते. स्थूल सुप्त निर्बंध स्थानिक संपादनाचे स्वातंत्र्य किंवा नमुन्यांची विविधता नष्ट न करता काही संरचना जपू शकतात, याचा हे निष्कर्ष प्राथमिक पुरावा आहेत.

  4. कोड निर्मितीत संरचनात्मक स्थैर्य आणि विविधता यांचा समतोल कसा साधता येईल?

    शोधनिबंध केवळ वैधतेचे इष्टतमीकरण न करता स्थैर्य आणि स्वातंत्र्य यांचे एकत्र मूल्यमापन करतो. स्थूल कोड स्थिर केल्याने वाक्यरचनात्मक वैधता वाढते, तर अनिर्बंध स्थानांतील बदल मोठा राहतो आणि सशर्त नमुने जवळपास पूर्णतः अद्वितीय राहतात. हा निष्कर्ष चाचणी केलेल्या संरचनेतील मोजता येण्याजोगा स्थैर्य–स्वातंत्र्य तडजोडीचा संबंध दर्शवतो; सार्वत्रिक इष्टतम नव्हे.

  5. हे कार्य LLM-सहाय्यित कोड संपादनाशी कसे संबंधित आहे?

    चाचणी केलेले मॉडेल मुखवटित विविक्त निर्मिती असलेले श्रेणीबद्ध VQ-VAE आहे; ते विशाल भाषा मॉडेल नाही. तरीही, मागितलेल्या क्षेत्राबाहेरील अनावश्यक बदल ही व्यावहारिक समस्या असल्याने नियंत्रणाचा प्रश्न LLM-सहाय्यित संपादनासाठी संबंधित आहे. हा शोधनिबंध पूरक सुप्त-अवकाश यंत्रणा आणि मूल्यमापनाची चौकट देतो; LLM संपादनाचा बेंचमार्क नाही.

समीपवर्ती पद्धतींशी तुलना

संरचना जपणाऱ्या सॉफ्टवेअर पुनर्निर्मितीसाठी निरीक्षणक्षम नियंत्रणाची निकटवर्ती पद्धतींशी तथ्याधारित तुलना
क्षमताटोकन-स्तरीय नियंत्रणश्रेणीबद्ध सुप्त नियंत्रण
स्थूल संरचना गोठवामर्यादितअंतर्निहित स्थूल-कोड कुलूपबंदी
आंशिक पुनर्निर्मितीनाजूक पृष्ठस्तरीय निर्बंधनिवडलेल्या कोडांचे मुखवटित पुनर्नमुनीकरण
निरीक्षणक्षम नियंत्रण-बिंदूकोणताही स्पष्ट मध्यवर्ती स्तर नाहीस्थूल आणि सूक्ष्म विविक्त स्थाने
या शोधलेखातील पुरावासंपूर्ण आधाररेषा म्हणून मूल्यमापन केलेले नाहीवाक्यरचनात्मक स्थैर्य आणि संपादन-स्वातंत्र्य निदान

तक्त्यात अंतराफलक आणि अभ्यासातील मोजलेला पुरावा वर्णिला आहे; तो कार्यात्मक अचूकता किंवा सार्वत्रिक श्रेष्ठत्वाचा दावा करत नाही.

प्रस्तुतता आणि व्याप्ती

AI-सहाय्यित कोड रूपांतरण काय बदलू शकते आणि प्रोग्रामचे कोणते भाग स्थिर राहिले पाहिजेत यावर स्पष्ट नियंत्रण आवश्यक असलेल्या कामासाठी हा शोधनिबंध विशेषतः उपयुक्त आहे.

  1. नियंत्रणक्षम आणि संरचना-जतन करणारी कोड-निर्मिती

  2. स्थानिकीकृत प्रोग्राम दुरुस्ती आणि सीमित पुनर्रचना

  3. स्रोत संकेतासाठी श्रेणीबद्ध विविक्त निरूपणे

  4. स्रोत-संहितेसाठी मुखवटित विविक्त निर्मिती

  5. सॉफ्टवेअर कलाकृतींसाठी सुप्त नियंत्रण

मर्यादा आणि पुराव्याच्या सीमा पाहा

मर्यादा

  • हा अभ्यास 64 टोकनपर्यंत छाटलेल्या लहान Python फलनांपुरता मर्यादित आहे.
  • मूल्यमापनात कार्यात्मक समतुल्यतेच्या चाचण्यांऐवजी argmax विसंकेतन आणि वाक्यरचनात्मक किंवा संरचनात्मक प्रतिनिधी मापे वापरली आहेत.
  • अचूक स्वाक्षरी-जतन अद्याप कमकुवत आहे.
  • निम्न-स्तरीय नियंत्रण सर्वोच्च-स्तरीय नियंत्रणापेक्षा दुर्बल आहे.
  • सुप्त स्थाने अद्याप AST विस्तार, स्वाक्षऱ्या किंवा नियंत्रण-प्रवाह संरचना यांसारख्या अर्थवाही प्रदेशांशी संरेखित केलेली नाहीत.
  • हे निष्कर्ष व्यावहारिक दुरुस्ती, पुनर्रचना किंवा रिपॉझिटरी-स्तरीय बदलांची अचूकता प्रस्थापित करत नाहीत.

शोधलेखात उद्धृत केलेले संदर्भ

या नोंदी शोधनिबंधाच्या PDF मधील क्रमांकित संदर्भ विभागाशी अनुरूप आहेत.

  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.

संसाधने आणि पुनरुत्पादकता

प्रकाशक
ACM
प्रकाशन संसाधने
सार्वजनिक हस्तलिखित, निष्कर्ष तक्ते, स्पष्टीकरणात्मक आकृती आणि उद्धरण फाइल्स येथे उपलब्ध आहेत. अंमलबजावणी कोड आणि तपासणी-बिंदू सार्वजनिकरीत्या प्रसिद्ध केलेले नाहीत.

डेटा निवेदन

स्रोत
2,000 Python फलने असलेला CodeParrot Clean चा पूर्वप्रक्रिया केलेला उपसंच.
परवाना
या संकेतस्थळावरून कोणत्याही डेटासंच फाइलचे पुनर्वितरण केले जात नाही; पुनर्वापरावर मूळ CodeParrot डेटासंच आणि स्रोत-संहिता परवान्यांच्या अटी लागू राहतात.
पूर्वप्रक्रिया
श्रेणीबद्ध एन्कोडिंगपूर्वी Python फलनांचे टोकनीकरण करून ती 64 टोकनपर्यंत छाटली जातात किंवा त्यांना पॅडिंग जोडले जाते.
विभाजन
पोस्टरमध्ये 2,000 फलनांचा मूल्यमापन संच नोंदवला आहे; सार्वजनिक शोधनिबंधात अपरिवर्तनीय प्रशिक्षण/सत्यापन विभाजन विवरण समाविष्ट नाही.
स्वरूप
Python स्रोत-फलने, GPT-शैलीतील टोकन अनुक्रम, 16 लांबीचे उच्च-स्तरीय कोड अनुक्रम आणि 32 लांबीचे निम्न-स्तरीय अनुक्रम.
आवृत्ती / तपासबेरीज
दोन-पानी शोधलेखात डेटासंचाचा checksum आणि अपरिवर्तनीय snapshot ओळखचिन्ह नोंदवलेले नाही.
डेटा-प्राप्ती
प्रकाशन-पृष्ठासोबत डेटा मिळवण्यासाठीची सार्वजनिक स्क्रिप्ट प्रसिद्ध केलेली नाही.
वापराच्या मर्यादा
हा नमुना रिपॉझिटरी-स्तरीय सॉफ्टवेअर, अनेक प्रोग्रामिंग भाषा किंवा वर्तनदृष्ट्या सत्यापित दुरुस्ती कार्यांचा प्रतिनिधी नाही.

आवृत्त्या

  1. प्रकाशित आवृत्तीACM FSE Companion, 2026
  2. संपूर्ण मजकुराची बाह्य प्रतिलिपीHugging Face वरील CC BY 4.0 लेखक हस्तलिखित
  3. संग्रहिका अभिलेख उघडाOpenAIRE ने अनुक्रमित केलेली Zenodo नोंद
  4. ग्रंथसूची नोंदDBLP
  5. शैक्षणिक अभिलेख उघडाOpenAlex
  6. संदर्भ-उद्धरण आलेख नोंदSemantic Scholar
  7. लेखकाने सामायिक केलेला संपूर्ण मजकूरResearchGate
  8. सोप्या भाषेतील सारांशKudos

प्रकाशित DOI हा प्राथमिक ग्रंथसूची ओळखचिन्ह आहे. सर्व आवृत्त्यांसाठी हे पृष्ठ एकमेव प्रमाणित प्रकल्प URL राहते.