# Badania, których przebieg można prześledzić.

Canonical HTML: https://aogavrilov.com/pl/

Document language: pl

Badam, jak reprezentacje, kompresja i sterowalność kształtują jakość generowanego tekstu i kodu.

## Wyróżnione badania

Metodyka diagnostyczna

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

Gdzie załamuje się jakość w generowaniu skompresowanych krótkich tekstów: etapowa lokalizacja wąskiego gardła

FRUCT 39 2026

Rozdzielanie błędów kodeka od błędów generatora działającego w przestrzeni utajonej podczas generowania krótkich tekstów w reprezentacji skompresowanej.

![Etapowy potok generowania skompresowanego tekstu, w którym porównuje się tekst oryginalny, rekonstrukcję kodeka, MDLM w przestrzeni kodów i tekst zdekodowany, aby oddzielić stratę rekonstrukcji kodeka od straty generowania.](https://aogavrilov.com/publications/where-quality-breaks/staged-codec-bottleneck-localization.svg)

*Etapowa lokalizacja wąskiego gardła rozdziela utratę jakości podczas rekonstrukcji przez kodek od utraty jakości podczas generowania w przestrzeni utajonej, korzystając ze wspólnego protokołu oceny tekstu po dekodowaniu.*

## Inne badania

### [Inspectable Control for Structure-Preserving Software Regeneration](https://aogavrilov.com/pl/publications/inspectable-control/)

Kontrola poddająca się inspekcji w regeneracji oprogramowania z zachowaniem struktury

Metoda sterowania w przestrzeni utajonej FSE Companion '26 2026 Plakat towarzyszący

## Kierunki badań

### Awaria kodeka czy generatora?

Oddziel stratę rekonstrukcji od straty generowania w przestrzeni ukrytej, zanim zasoby obliczeniowe zostaną przeznaczone na niewłaściwy etap.

### Lokalna i przewidywalna edycja kodu

Unikaj przepisywania całych funkcji: porównuj selektywną regenerację, generowanie z ograniczeniami i refaktoryzację wspomaganą przez AI w ramach jawnie określonego kontraktu zachowania.

### MDLM w przestrzeni kodów czy tokenów?

Porównaj oba warianty za pomocą jednej funkcji oceniającej tekst po dekodowaniu, uwzględniając pułap jakości narzucony przez stratny kodek.

## Przejrzyj 5 szczegółowych pytań badawczych

- [Jak porównywać modelowanie języka za pomocą maskowanej dyfuzji w przestrzeni kodów i w przestrzeni tokenów?](https://aogavrilov.com/pl/research-notes/code-space-vs-token-space-masked-diffusion/)
- [Jak model generatywny może modyfikować kod bez przepisywania całej funkcji?](https://aogavrilov.com/pl/research-notes/localized-code-modification-generative-models/)
- [Co gwarantuje ograniczone generowanie kodu w procesie inżynierii oprogramowania?](https://aogavrilov.com/pl/research-notes/constrained-code-generation-software-engineering/)
- [Które metody i wyniki są istotne w refaktoryzacji zachowującej działanie programu i wspomaganej przez AI?](https://aogavrilov.com/pl/research-notes/ai-assisted-refactoring-evidence/)
- [Co sprawia, że generowanie kodu jest przewidywalne, a nie tylko sterowalne?](https://aogavrilov.com/pl/research-notes/predictable-code-generation-preservation-contract/)