# Araştırma projeleri

Canonical HTML: https://aogavrilov.com/tr/projects/

Document language: tr

Gözlemleyebildiğiniz hatadan başlayın; ardından ona uygun yöntemi, kanıtı ve kapsam sınırını izleyin.

## Gözlemlediğiniz başarısızlığa göre seçim yapın

Aynı belirti temsilden, üretimden, denetimden veya doğrulamadan kaynaklanabilir.

| Gözlenen sorun | İlk tanı | Gerekli tutulacak kanıt | Yöntem |
| --- | --- | --- | --- |
| Çözülmüş çıktı zayıf, ancak başarısız aşama bilinmiyor | Kaynağı, eşleştirilmiş yeniden yapılandırmayı ve üretilen çıktıyı aynı harici değerlendiriciyle puanlayın. | Her aşamada karşılaştırılabilir dağılımlar ve kuyruk davranışı. | [Aşamalı darboğaz tanısı](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#workflow) |
| Gizil uzay ölçütü iyileşirken nihai kalitenin iyileşmemesi | Vekil ölçütteki iyileşmenin çözümleme sonrasına aktarılıp aktarılmadığını sınayın. | Yalnızca gizil tanılamalar değil, eşleştirilmiş kodu çözülmüş çıktı ölçütleri. | [Vekil ölçüt aktarımı denetimi](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#decision-table) |
| Bir kod düzenleyicinin istenen bölgeden fazlasını yeniden yazması | Açık bir koruma sınırı tanımlayın ve bölge dışındaki farkı ölçün. | Yerellik ve görev başarısı birlikte ölçülür. | [Yerelleştirilmiş düzenleme değerlendirmesi](https://aogavrilov.com/tr/projects/discrete-latent-generation/#measurement) |
| Yeniden düzenleme yalnızca sözdizimini değil, davranışı da korumalıdır | Öneriyi yürütme ve doğrulamadan ayırın. | Derleme, testler, statik denetimler ve yeniden düzenleme tespiti. | [Denetim yüzeyi karar haritası](https://aogavrilov.com/tr/projects/discrete-latent-generation/#control-surface) |

Etkin araştırma doğrultusu

## Ayrık gizil üretim

Seçici kod yeniden üretimi için ayrık temsiller ile kısıtlı üretim, yapay zekâ destekli yeniden düzenleme ve öngörülebilir kod düzenleme arasında kanıta dayalı tercihler.

Değerlendirme kılavuzu

## Kodek darboğazı tanısı

Kodu çözülmüş çıktının kalitesini yeniden oluşturmanın, gizil üretimin ya da nihai metne aktarılmayan bir vekil ölçütün sınırlayıp sınırlamadığını belirlemeye yönelik aşamalı bir yöntem.

## Odaklı yanıtlar

Bir makale başlığıyla başlamayan daha geniş aramalara yönelik bağımsız kanıt notları. Her biri ilgili yayına ve tam metne geri yönlendirir.

1. [Kod uzayı ile belirteç uzayı maskeli difüzyonu: nasıl karşılaştırılmalı?](https://aogavrilov.com/tr/research-notes/code-space-vs-token-space-masked-diffusion/) Ayrık kodeğin kayıplı olduğu durumda kod uzayı ve belirteç uzayı maskeli difüzyon dil modelleri için aşamalar arası tutarlı bir karşılaştırma protokolü.
2. [Üretici modellerle yerelleştirilmiş kod değişikliği](https://aogavrilov.com/tr/research-notes/localized-code-modification-generative-models/) Üretici modele istenen kod değişikliğini yapabilecek ölçüde serbestlik tanırken işlevin tamamının gereksiz yere yeniden yazılması nasıl önlenir?
3. [Yazılım mühendisliği için kısıtlı kod üretimi](https://aogavrilov.com/tr/research-notes/constrained-code-generation-software-engineering/) Üretilen kod bakımından dil bilgisi kısıtları, tür kısıtları, koruma sınırları ve davranış düzeyindeki kabul denetimleri arasında uygulamaya dönük bir ayrım.
4. [Yapay zekâ destekli yeniden düzenleme: yöntemler ve kanıtlar](https://aogavrilov.com/tr/research-notes/ai-assisted-refactoring-evidence/) Yakın tarihli yapay zekâ destekli yeniden düzenleme yöntemleri, makul görünen üretilmiş bir yama doğrulanmış davranış korumasıyla karıştırılmadan nasıl değerlendirilir?
5. [Öngörülebilir kod üretimi bir korunum sözleşmesi gerektirir](https://aogavrilov.com/tr/research-notes/predictable-code-generation-preservation-contract/) Belirlenimci örneklemenin neden yeterli olmadığı ve gözlemlenebilir korunan özelliklerle kabul denetimlerinin kod üretimi davranışını nasıl sınanabilir kıldığı.

## Bu sitenin yanıtlayabileceği araştırma soruları

Kısa bir yanıt için uygulamaya dönük bir soruyu açın; ardından yöntemler, ölçümler ve sınırlılıklar için kanıt bağlantısını izleyin. Bunlar araştırmaya giriş yollarıdır, evrensel güvenceler değildir.

1. Üretici bir model, işlevin tamamını yeniden yazmadan kodu nasıl değiştirebilir? Üretimden önce düzenleme sınırını tanımlayın, sınırın dışındaki kaynağı koruyun veya yeniden kullanın, yalnızca aday değişiklikleri üretin ve görevi başaramayan ya da korunan bölgeleri değiştiren çıktıları reddedin. Hiyerarşik gizil kilitleme deneysel bir denetim yüzeyidir, ancak özdeş kaynak aralıklarını garanti etmez. [Yerelleştirilmiş düzenleme denetim yüzeylerini karşılaştırın](https://aogavrilov.com/tr/projects/discrete-latent-generation/#control-surface) .
2. Bir kod düzenlemesinin yalnızca sözdizimsel açıdan geçerli değil, yerel olduğunu hangi kanıt gösterir? İstenen bölgenin dışındaki farkı; görev başarısı, düzenlenebilir bölgedeki değişim, yapısal değişmezler, testler veya statik denetimler ve yinelenen çalıştırmalar arasındaki değişkenlikle birlikte ölçün. Ayrıştırma oranı tek başına yalnızca sözdizimsel iyi biçimliliği ortaya koyar. [Yerellik kanıtı denetim listesini inceleyin](https://aogavrilov.com/tr/projects/discrete-latent-generation/#measurement) .
3. Kod düzenleme yerelliği ile üretim çeşitliliği arasında nasıl denge kurulmalıdır? Korunan bölgenin kararlılığını, düzenlenebilir bölgedeki serbestlik ve aday benzersizliğiyle birlikte raporlayın. Girdiyi kopyalamak, görevde hiçbir ilerleme sağlamadan kararlılığı en üst düzeye çıkarabilir; kısıtsız yeniden yazım ise yerelliği yok ederken değişimi en üst düzeye çıkarabilir. [Sınırları belirli kararlılık–serbestlik kanıtını inceleyin](https://aogavrilov.com/tr/projects/discrete-latent-generation/#evidence) .
4. Yerelleştirilmiş kod düzenleme, kısıtlı üretim ve program onarımı birbirinden nasıl ayrılır? Yerelleştirilmiş düzenleme, nelerin değişmeden kalması gerektiğini öne çıkarır; kısıtlı üretim, dil bilgisine üyelik gibi biçimsel bir çıktı özelliğini zorunlu kılar; program onarımı ise değişikliğin bir hata veya görev belirtimini karşılamasını gerektirir. Sözdizimi tek başına anlamsal eşdeğerliği, işlevsel doğruluğu, görev başarısını veya yerelliği kanıtlamaz. [Üç amacı karşılaştırın](https://aogavrilov.com/tr/projects/discrete-latent-generation/#comparison) .
5. Bir Python işlevinin seçili bölümleri, geri kalanı kararlı tutularak nasıl yeniden üretilebilir? Üretimden önce korunan ve düzenlenebilir bölgeleri tanımlayın, yalnızca düzenlenebilir temsili değiştirin, kodu çözün ve korunan kodu değiştiren ya da sözdizimi, testler, statik denetimler veya göreve özgü değişmezler bakımından başarısız olan adayları reddedin. Raporlanan hiyerarşik gizil değişken deneyi, 64 belirteçli işlevlerde olasılıksal kararlılığı ölçer; aralıkların veya davranışın değişmeden kalacağını garanti etmez. [Seçici yeniden üretim iş akışını inceleyin](https://aogavrilov.com/tr/projects/discrete-latent-generation/#workflow) .
6. Yapay zekâ destekli, davranışı koruyan yeniden düzenlemeye hangi denetim stratejisi uygundur? Modeli bir dönüşümü saptamak veya önermek için kullanın; ardından mümkünse dönüşümü güvenilir bir yeniden düzenleme motoruyla uygulayın ve derlemeyi, testleri, statik denetimleri ve amaçlanan yeniden düzenlemeyi doğrulayın. Makul görünen üretilmiş bir yama, tek başına yeterli kanıt değildir. [Yeniden düzenleme karar satırını açın](https://aogavrilov.com/tr/projects/discrete-latent-generation/#control-surface) .
7. Kod üretimini yalnızca denetlenebilir değil, öngörülebilir kılan nedir? Üreteci seçmeden önce gözlemlenebilir bir koruma sözleşmesi ve kabul denetimleri tanımlayın. Öngörülebilirlik, yalnızca bir istemin, maskenin, dil bilgisinin veya gizil kodun sabitlenmesine değil, kod çözme ve doğrulama sonrasında nelerin kararlı kaldığına bağlıdır. [Koruma sözleşmesini tanımlayın](https://aogavrilov.com/tr/projects/discrete-latent-generation/#core-idea) .
8. Bildirilen metin deneyinde kod uzayındaki ve belirteç uzayındaki maskeli difüzyon nasıl karşılaştırıldı? Aynı haricî puanlayıcı altında kod uzayı MDLM'nin medyan şaşkınlık değeri 26.55, belirteç uzayı temel modelinin ise 38.42'dir; bu, %30.9'luk bir azalmaya karşılık gelir. Kodek yeniden oluşturumunun medyanı zaten 27.36 olduğundan sonuç, yeniden oluşturum darboğazıyla birlikte yorumlanmalıdır. [Bildirilen aşama bazındaki sayıları inceleyin](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#code-space-vs-token-space) .
9. Kodek kayıplıyken kod uzayındaki ve belirteç uzayındaki maskeli ayrık difüzyon nasıl karşılaştırılmalıdır? Özgün metinler, kodek yeniden oluşturumları, belirteç uzayı çıktıları ve kod uzayı çıktıları için aynı ayrılmış örnekleri ve kodu çözülmüş metin puanlayıcısını kullanın. Yeniden oluşturum farkını ayrıca raporlayın; çünkü daha güçlü bir gizil üreteç, kodeğin daha önce ortadan kaldırdığı bilgiyi geri getiremez. [Aşamaları tek bir puanlayıcıyla karşılaştırın](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#code-space-vs-token-space) .
10. İki aşamalı bir metin üretecindeki kalite kaybı nasıl teşhis edilebilir? Aynı kodu çözülmüş metin değerlendiricisiyle önce özgün metin ile yeniden oluşturum arasındaki farkı, ardından yeniden oluşturum ile üretim arasındaki farkı ölçün. Böylece kodeğin belirlediği kalite tavanı, gizil üretimin yol açtığı ek bozulmadan ayrılır. [Dört kontrol noktalı tanı sürecini izleyin](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#workflow) .
11. Daha iyi gizil uzay ölçütleri hangi durumlarda kodu çözülmüş çıktıyı iyileştirmeyebilir? Bir gizil vekil ölçüt, ilgilenilen aşağı akış özelliğini izlemeden iyileşebilir. Aktarımı, eşleştirilmiş çıktıların kodunu çözerek ve bunları aynı nihai ölçütlerle değerlendirerek sınayın; aksi hâlde kod kitabı geometrisi veya kullanımı, metin kalitesinde bir artış değil, tanısal kanıt olarak kalır. [Vekil ölçüt aktarımı tanılamasını kullanın](https://aogavrilov.com/tr/projects/codec-bottleneck-diagnosis/#decision-table) .

## Sınırları belirli iki kanıt kesiti

Bu sayılar neyin ölçüldüğünü gösterir; evrensel model güvenceleri değildir.

### Sıkıştırma tanısı

Bir TinyStories 64-to-16 yapılandırmasında medyan şaşkınlık değeri şu değerden yükseldi: **15.17** kaynak metinde şu değerden **27.36** yeniden oluşturma sonrasında. Kod uzayı MDLM şu değere ulaştı: **26.55** karşı **38.42** aynı haricî puanlayıcı altında belirteç uzayı temel çizgisi için.

### İncelenebilir düzenleme denetimi

64 belirteçli bir Python işlevi yapılandırmasında, üst düzey dört kodun kilitlenmesi ayrıştırma oranını şu değerden yükseltti: **0.453** -e/-a **0.591** ; kilidi açık konumlar ise şu oranda değişmiştir: **0.936** ve koşullu örnekler şu düzeyde kalmıştır: **0.998** benzersiz.

## Bu haritanın iddia etmedikleri

Yayımlanan deneyler tam AST korumasını, anlamsal eşdeğerliği, işlevsel doğruluğu, depo ölçeğinde onarımı veya kodek ve üreteç darboğazlarının evrensel bir sıralamasını ortaya koymamaktadır. Kılavuzlar, sınırları belirli kanıtları yeniden kullanılabilir tanılama yordamlarına dönüştürür; yine de her yeni sistem kendi çözülmüş çıktı ve davranış düzeyi doğrulamasını gerektirir.