AG — Alexey Gavrilov home

ИСТРАЖИВАЧКА БЕЛЕШКА

Локализована измена кода помоћу генеративних модела

Како спречити непотребно преписивање целе функције, а генеративном моделу оставити довољно слободе да изврши тражену измену кода.

Објављено

Поделите ову истраживачку белешкуПодели

НЕПОСРЕДАН ОДГОВОР

Како генеративни модел може да измени код а да не препише целу функцију?

Пре генерисања одредите заштићене области и области које се могу уређивати, поново употребите или ограничите заштићену репрезентацију, генеришите само предложене измене и одбаците излазе који мењају заштићени код или не пролазе провере специфичне за задатак. Локалност и успешност задатка морају се мерити заједно.

Зашто је та разлика важна

Метод и наведена гаранција морају имати исту уочљиву границу.

Локализована измена кода представља проблем уређивања, а не тек краћи упит за генерисање кода. Улаз већ садржи артефакт који вреди сачувати, па је методу потребна експлицитна граница очувања између области у којој су измене дозвољене и својстава која морају остати стабилна.

Граница може бити распон изворног кода, синтаксички чвор, API потпис, понашање на тесту, уговор о зависностима или научена латентна позиција. Ти избори нису међусобно заменљиви: сваки штити друго уочљиво својство и захтева одговарајући корак провере.

Практичан поступак

  1. Формулишите уговор о очувању

    Утврдите област која се сме уређивати и тачно одредите текст, структуру, интерфејс или понашање који морају остати непромењени.

  2. Изаберите најуже употребљив управљачки интерфејс

    Поново употребити непромењене делове изворног кода, применити допуњавање недостајућих делова или декодирање усмерено на измене, увести формална ограничења или закључати изабране латентне позиције у складу са захтеваним својством.

  3. Генеришите само тамо где је измена дозвољена

    Оставите довољно слободе у области која се сме уређивати да би задатак могао бити решен; копирање целог улаза јесте локално, али не доноси никакав напредак.

  4. Заједно проверите локалност и успешност

    Одбацити кандидате који мењају заштићене области, не пролазе рашчлањивање или компилацију, нарушавају структурне инваријанте или не испуњавају тражену измену.

Неопходни докази

Тврдња је утемељена само онолико колико и својство измерено после генерисања или декодирања.

  • Разлика изван области или друга непосредна мера стабилности заштићене области.
  • Успешност задатка унутар области која се може мењати.
  • Рашчлањивање, компилација, тестови, статичке провере или инваријанте специфичне за задатак, зависно од примене.
  • Стопа измене у подручју предвиђеном за уређивање, како се копирање не би погрешно сматрало управљањем.
  • Јединственост кандидата и варијабилност поновљених покретања, како се локалност не би помешала с колапсом модова.

Шта повезана студија наводи

  • Повезани експеримент компримује Python функције од 64 токена у хијерархијске дискретне позиције и поново генерише изабране латентне позиције под делимичним ограничењима.
  • Закључавање четири кода највишег нивоа повећало је стопу успешног рашчлањивања са 0.453 на 0.591, док су се откључане позиције мењале по стопи од 0.936, а удео јединствених условних узорака остао је 0.998.
  • Та мерења откривају компромис између стабилности и слободе изнад нивоа токена; она не доказују тачно очување изворног распона, AST-а, семантике или понашања.

Прочитајте преглед публикације Претражите цео текст рада

Граница обухвата

  • Закључани латентни код није сам по себи AST чвор, заштићени опсег изворног кода нити формална инваријанта.
  • Стопа успешног рашчлањивања утврђује синтаксичку исправност, али не и функционалну исправност нити успешност поправке.
  • Наведени докази потичу из кратких, претходно обрађених Python функција и не утврђују понашање на нивоу репозиторијума.
Упоредите управљачке интерфејсе за локализовано уређивање

Примарни и сродни извори

За изворне методе, мерења и наведена ограничења погледајте повезане радове.

  1. Inspectable Control for Structure-Preserving Software Regeneration

    Главни рад и експеримент са ограниченим хијерархијским латентним репрезентацијама.

  2. EfficientEdit: Accelerating Code Editing via Edit-Oriented Speculative Decoding

    Декодирање усмерено на измене, које поново користи неизмењене делове изворног кода.

  3. PAFT: Preservation Aware Fine-Tuning for Minimal-Edit Program Repair

    Експлицитно укључује очување и минималну измену у обучавање за поправку програма.