# Inspectable Control for Structure-Preserving Software Regeneration

Canonical HTML: https://aogavrilov.com/tr/publications/inspectable-control/

Document language: tr

Yapıyı Koruyan Yazılımın Yeniden Üretimi İçin İncelenebilir Denetim

Hiyerarşik ayrık gizil temsiller kullanılarak denetlenebilir kısmi kod yeniden üretimi.

[Alexey Gavrilov](https://orcid.org/0009-0006-3147-5430) 1 [Alan-Barsag Gazzaev](https://orcid.org/0009-0000-0334-312X) 1 [Mikhail Mozikov](https://orcid.org/0000-0003-0594-867X) 2 [Ilya Makarov](https://orcid.org/0000-0002-3308-8825) 2 [Sergey Muravyov](https://orcid.org/0000-0002-4251-1744) 1

1. [ITMO University, Saint Petersburg, Russian Federation](https://en.itmo.ru/)
2. [AXXX, Moskova, Rusya Federasyonu](https://axxx.tech/)

[Makalenin tamamını HTML biçiminde okuyun](https://aogavrilov.com/publications/inspectable-control/full-text/) Formüller, tablolar, şekiller ve kaynakça içeren aranabilir metin.

Nihai yazar listesi ve DOI'yi içeren, yayıma hazır yazar nüshası. CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. [Yayımlama ve yeniden kullanım koşulları](https://creativecommons.org/licenses/by/4.0/) .

## Makale 30 saniyede

**Araştırma sorusu** Üretici bir model, kaba yapısının seçilen öğelerini korurken bir programın belirli bölümlerini nasıl değiştirebilir?

### Problem

Yapay zekâ destekli kod değişikliğinde çoğu zaman, programın seçili yapısı sabit kalırken sınırları belirlenmiş tek bir değişiklik yapılması gerekir. Programın tamamını yeniden üretmek ilgisiz bölgeleri bozabilir; belirteç düzeyindeki kısıtlar ise kaba ölçekli bir denetim yüzeyi sunmaz.

### Yaklaşım

Çalışma, 64 belirteçlik Python işlevlerini hiyerarşik bir VQ-VAE ile kodlar, seçilen kaba ayrık kodları kilitler ve kalan gizil konumlarda yerelleştirilmiş kodu yeniden üretmek için maskeli ayrık üretim kullanır.

### Ana sonuç

Üst düzey dört kodun kilitlenmesi ayrıştırma oranını 0.453'ten 0.591'e yükseltirken kilidi açık konumlar yine 0.936 oranında değişmekte ve koşullu örneklerin 0.998'i benzersiz kalmaktadır.

### Neden önemlidir?

Sonuçlar, denetlenebilir kod düzenleme ile kısmi program yeniden üretimi arasında ölçülebilir bir kararlılık–serbestlik ödünleşimi olduğunu göstermektedir. Bunlar, incelenebilir bir gizil denetim katmanına ilişkin ilk kanıtlardır; anlamsal eşdeğerliğin veya işlevsel doğruluğun kanıtı değildir.

## Öz

Kısıtlı onarım, aşamalı iyileştirme ve yapıyı koruyan değişiklik gibi yazılım mühendisliği iş akışlarında, nelerin değişeceğinin ve nelerin sabit kalacağının denetlenmesi gerekir. Belirteç düzeyinde üretim, yazılım mühendisliğinde çoğu zaman korunmak istenen kaba ölçekli yapısal değişmezler yerine yerel yüzey metnini kısıtladığı için bu işlemlerde zayıf bir denetim yüzeyi sunar. Bu çalışmada hiyerarşik ayrık gizil değişkenleri yazılım yapıtları için incelenebilir bir ara temsil olarak ele alıyoruz: hiyerarşik bir VQ-VAE, 64 belirteçli bir Python işlevini kaba ve ince ayrık kodlara sıkıştırırken maskeli ayrık üretim, kısmi kısıtlar altında yalnızca seçili konumları yeniden üretir. Ön işlemden geçirilmiş 2,000 Python işlevinde üst düzey dört kodun kilitlenmesi, kilidi açık konumlardaki değişimin büyük ölçüde korunması (düzenleme serbestliği, 0.936) ve örneklerin neredeyse tümüyle benzersiz kalması (çeşitlilik, 0.998) koşullarında ayrıştırma oranını 0.453'ten 0.591'e yükseltir. Sabit kaba bağlam altında alt düzey iyileştirme daha zayıf olmakla birlikte monoton kalır ve hiyerarşinin kabadan inceye yorumlanmasını destekler. Genel olarak sonuçlar, belirteç düzeyinin üzerinde, sınırları belirlenmiş ve yapıyı koruyan yazılım yapıtı yeniden üretimini destekleyen uygulamaya dönük bir denetim katmanı için ilk kanıtları sunmaktadır.

Yayımlandığı yer Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

Katkı türü Gizil uzay denetim yöntemi

5 Temmuz 2026 ss. 1406–1407 Tamamlayıcı poster

DOI [https://doi.org/10.1145/3803437.3807386](https://doi.org/10.1145/3803437.3807386)

## İçindekiler Bu sayfada

## Temel sonuçlar

| Ayar | Ayrıştırma oranı | İskelet | İmza | Kilidi açık değişiklik |
| --- | --- | --- | --- | --- |
| Girdi (kısaltılmış) | 0.994 | 0.994 | 0.994 | — |
| Kodek yeniden oluşturumu | 0.857 | 0.848 | 0.493 | 0 |
| Koşulsuz üretim | 0.453 | 0.08 | 0 | 0.995 |
| Koşullu, önek k=4 | 0.591 | 0.295 | 0.061 | 0.936 |
| Koşullu, imza aralığı | 0.6 | 0.302 | 0.063 | bildirilmedi |

**Temel sonuç.** Kaba gizil kilitleme, düzenlenebilir bölgedeki değişikliği ortadan kaldırmadan sözdizimsel kararlılığı artırır; bu sonuç, işlevsel eşdeğerlik garantisini değil, yapısal denetimi gösterir.

Sonuçları indir: [CSV](https://aogavrilov.com/publications/inspectable-control/results.csv) [JSON](https://aogavrilov.com/publications/inspectable-control/results.json) [Markdown](https://aogavrilov.com/publications/inspectable-control/results.md) Haricî yansı: [Hugging Face veri kümesi kartı](https://huggingface.co/datasets/aogavrilov/inspectable-control-results)

## PDF ve atıf bilgileri

**Bu makaleye atıf yapın** Önerilen biçim BibTeX'tir. Aşağıdaki her bir biçim aynı yayın kaydından üretilmiştir.

```
@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},
}
```

Atıf dosyaları: [APA metni](https://aogavrilov.com/publications/inspectable-control/citation-apa.txt) [IEEE metni](https://aogavrilov.com/publications/inspectable-control/citation-ieee.txt) [RIS](https://aogavrilov.com/publications/inspectable-control/citation.ris) [CSL-JSON](https://aogavrilov.com/publications/inspectable-control/citation.json) [Schema.org JSON-LD](https://aogavrilov.com/publications/inspectable-control/metadata.jsonld) [OAI-DC XML](https://aogavrilov.com/publications/inspectable-control/oai-dc.xml) [OpenAIRE v4 XML](https://aogavrilov.com/publications/inspectable-control/openaire.xml) [MODS XML](https://aogavrilov.com/publications/inspectable-control/mods.xml) [JATS 1.4 üst veri XML'i](https://aogavrilov.com/publications/inspectable-control/metadata.jats.xml) [Tam metin JATS 1.4 XML](https://aogavrilov.com/publications/inspectable-control/full-text/article.jats.xml) [RDF Turtle](https://aogavrilov.com/publications/inspectable-control/metadata.ttl) [Bağlantı Kümesi (JSON)](https://aogavrilov.com/publications/inspectable-control/linkset.json) [Bağlantı Kümesi (HTTP)](https://aogavrilov.com/publications/inspectable-control/linkset) [RO-Crate](https://aogavrilov.com/publications/inspectable-control/ro-crate-metadata.json)

DOI: [https://doi.org/10.1145/3803437.3807386](https://doi.org/10.1145/3803437.3807386)

Kılavuzun tamamı

## Araştırma kılavuzunun tamamı

## Yöntem

## 

Yöntem, kısa bir Python işlevini iki düzeyli ayrık kodlara sıkıştırır, seçilen kaba konumları dondurur ve yeniden koda çözmeden önce kalan konumları yeniden üretir.

1. Kodla 64 belirteçli bir Python işlevini hiyerarşik bir VQ-VAE ile 16 üst düzey ve 32 alt düzey koda sıkıştırın.
2. Kilitle İşlev imzası aralığını kapsayan bir önek gibi, korunacak yapıyı temsil eden kaba kod konumlarını seçin.
3. Yeniden üretin Maskeli ayrık üretimi yalnızca kilidi açık konumlarda çalıştırın ve tamamlanan hiyerarşiyi yeniden kaynak koda çözün.
4. İncele Bir yeniden üretimi kabul etmeden önce ayrıştırma oranını, yapısal vekil ölçütleri, kilidi açılmış konumlardaki değişimi ve örnek benzersizliğini ölçün.

![Seçilen kaba program kodları sabit tutulurken maskelenmiş ince ayrık kodlar yeniden üretilir ve değiştirilmiş bir Python işlevine çözülür.](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg)

**Hiyerarşik ayrık gizil kod düzenleme, düzenlenebilir bölgede ince kodları yeniden üretirken programın seçili kaba ölçekli yapısını korur.* Kaynak: [Yayımlanan yöntem ve sonuçlar temelinde yazar tarafından hazırlanmış açıklayıcı şema.](https://doi.org/10.1145/3803437.3807386) . Yeniden kullanım koşulları: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) . Önerilen atıf: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. [SVG'yi indir](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg) .*

### Temel fikir

Denetim, belirteçlerin üzerindeki öğrenilmiş bir temsile uygulanır: kaba gizil konumlar, yakındaki uygulama ayrıntıları düzenlenebilir kalırken yapının dondurulabileceği açık yerleri tanımlar.

### Benzer yaklaşımlardan farkı

İstem veya belirteç düzeyindeki kısıtlar yüzey metni üzerinde işler. Önerilen arayüz, kaba ve ince ayrık denetim noktalarını kullanıma açar ve bunun sonucunda ortaya çıkan kararlılık–serbestlik ödünleşimini ölçer.

### Yenilik nedir?

Çalışma, sınırlandırılmış yazılım yapıtı yeniden üretimi için incelenebilir bir hiyerarşik gizil denetim katmanı sunar ve değerlendirir.

## Bu makalenin yanıtlamaya yardımcı olduğu sorular

## 

Makaleye dayalı kısa bir yanıt için bir soruyu açın. Ayrıntılı kanıt sınırları Sınırlılıklar bölümünde listelenmiştir.

1. Yapay zekâ, her şeyi baştan yazmadan kodu nasıl düzenleyebilir? Makale, belirteç düzeyinin üzerindeki kısmi kod yeniden üretimini inceler. Hiyerarşik bir VQ-VAE, kısa bir Python işlevini kaba ve ince ayrık kodlara eşler; seçili kaba konumlar kilitlenir ve maskeli ayrık üretim, kod çözme öncesinde yalnızca geri kalan gizil konumları değiştirir. Böylece işlevin tamamını yeniden üretmek yerine açık bir koruma sınırı oluşturulur.
2. Kod üretimi sırasında program yapısını hangi yöntemler korur? Bu çalışma, hiyerarşik ayrık gizil denetimi sınar. Kaba gizil konumlar sabitlenirken kilitli olmayan konumlar yeniden üretilebilir; ardından ayrıştırma oranı ve yapısal vekil ölçütler ölçülür. Kanıtlar, kısa Python işlevlerindeki olasılıksal yapısal kararlılığa ilişkindir; tam AST korumasını, anlamsal eşdeğerliği veya işlevsel doğruluğu ortaya koymaz.
3. Hiyerarşik ayrık gizil değişkenler kod üzerinde yerelleştirilmiş denetim sağlayabilir mi? Bildirilen 2,000 işlevlik deneyde, üst düzey dört kodun kilitlenmesi ayrıştırma oranını 0.453'ten 0.591'e çıkardı. Aynı zamanda, kilidi açık konumların 0.936'sı değişti ve koşullu örneklerin 0.998'i benzersizdi. Bu sonuçlar, kaba taneli gizil kısıtların yerel düzenleme serbestliğini veya örnek çeşitliliğini ortadan kaldırmadan yapının bir bölümünü koruyabildiğine ilişkin ilk bulgulardır.
4. Kod üretiminde yapısal kararlılık ile çeşitlilik arasında nasıl denge kurulabilir? Makale yalnızca geçerliliği eniyilemek yerine kararlılık ile serbestliği birlikte değerlendirir. Kaba kodların kilitlenmesi sözdizimsel geçerliliği artırırken kilitlenmemiş konumlardaki değişim yüksek kalmakta ve koşullu örneklerin neredeyse tamamı benzersizliğini korumaktadır. Sonuç, evrensel bir optimumu değil, sınanan yapılandırma altında ölçülebilir bir kararlılık–serbestlik ödünleşimini göstermektedir.
5. Bu çalışma, LLM destekli kod düzenlemeyle nasıl ilişkilidir? Sınanan model, büyük bir dil modeli değil, maskeli ayrık üretim kullanan hiyerarşik bir VQ-VAE'dir. Bununla birlikte denetim sorunu, istenen bölgenin dışındaki gereksiz değişiklikler uygulamada kaygı yarattığı için LLM destekli düzenlemeyle ilişkilidir. Makalenin katkısı, bir LLM düzenleme karşılaştırma ölçütü değil, tamamlayıcı bir gizil uzay mekanizması ve değerlendirme çerçevesidir.

## Benzer yaklaşımlarla karşılaştırma

## 

| Yetenek | Belirteç düzeyinde denetim | Hiyerarşik gizil denetim |
| --- | --- | --- |
| Kaba yapıyı dondurun | Sınırlı | Yerleşik kaba kod kilitleme |
| Kısmi yeniden üretim | Kırılgan yüzey kısıtları | Seçilen kodların maskeli olarak yeniden örneklenmesi |
| İncelenebilir denetim noktaları | Açık bir ara katman yok | Kaba ve ince ayrık konumlar |
| Bu makaledeki kanıtlar | Eksiksiz bir temel çizgi olarak değerlendirilmedi | Sözdizimsel kararlılık ve düzenleme serbestliği tanılamaları |

Tablo, arayüzleri ve çalışmada ölçülen kanıtları betimler; işlevsel doğruluk ya da evrensel üstünlük iddiasında bulunmaz.

## İlgililik ve kapsam

## 

Makale, yapay zekâ destekli bir kod dönüşümünün neleri değiştirebileceği ve programın hangi bölümlerinin kararlı kalması gerektiği üzerinde açık denetim gerektiren çalışmalarla özellikle ilgilidir.

1. Denetlenebilir ve yapıyı koruyan kod üretimi
2. Yerelleştirilmiş program onarımı ve sınırlandırılmış yeniden düzenleme
3. Kaynak kod için hiyerarşik ayrık temsiller
4. Kaynak kod için maskeli ayrık üretim
5. Yazılım yapıtları için gizil denetim

## Sınırlılıklar

## 

- Çalışma, 64 belirteçte kesilmiş kısa Python işlevleriyle sınırlıdır.
- Değerlendirmede işlevsel eşdeğerlik testleri yerine argmax kod çözme ile sözdizimsel ya da yapısal vekil ölçütler kullanılır.
- İmzanın birebir korunması hâlen zayıftır.
- Alt düzey denetim, üst düzey denetimden daha zayıftır.
- Gizil konumlar henüz AST aralıkları, imzalar veya denetim akışı yapısı gibi anlamsal bölgelerle hizalanmış değildir.
- Sonuçlar, uygulamadaki onarım, yeniden düzenleme veya depo düzeyindeki değişiklikler için doğruluk ortaya koymamaktadır.

## Makalede atıf yapılan kaynaklar

## 

Bu girdiler, makalenin PDF sürümündeki numaralı Kaynakça bölümüyle eşleşir.

1. Ali Razavi, Aaron van den Oord, Oriol Vinyals. 2019 . [Generating Diverse High-Fidelity Images with VQ-VAE-2](https://arxiv.org/abs/1906.00446) . Advances in Neural Information Processing Systems .
2. Jacob Austin, Daniel D. Johnson, Jonathan Ho, Daniel Tarlow, Rianne van den Berg. 2021 . [Structured Denoising Diffusion Models in Discrete State-Spaces](https://arxiv.org/abs/2107.03006) . 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. 2024 . [Simple and Effective Masked Diffusion Language Models](https://arxiv.org/abs/2406.07524) . Advances in Neural Information Processing Systems .
4. Shraddha Barke, Michael B. James, Nadia Polikarpova. 2023 . [Grounded Copilot: How Programmers Interact with Code-Generating Models](https://doi.org/10.1145/3586030) . 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. 2023 . [RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation](https://doi.org/10.18653/v1/2023.emnlp-main.151) . Proceedings of the 2023 Conference on Empirical Methods in Natural Language Processing .

## Kaynaklar ve yeniden üretilebilirlik

## 

### Veri bildirimi

## Sürümler

## 

1. **Yayımlanmış sürüm** [ACM FSE Companion, 2026](https://doi.org/10.1145/3803437.3807386)
2. **Yazar nüshası** [Nihai yazar listesini ve DOI'yi içeren, metnine erişilebilir baskıya hazır makale](https://aogavrilov.com/publications/inspectable-control/paper.pdf)
3. **Haricî tam metin yansısı** [Hugging Face üzerindeki CC BY 4.0 lisanslı yazar nüshası](https://huggingface.co/datasets/aogavrilov/inspectable-control-results/resolve/main/paper.pdf)
4. **Depo kaydını açın** [OpenAIRE tarafından dizinlenen Zenodo kaydı](https://zenodo.org/records/21605395)
5. **Depodaki tam metni açın** [Zenodo CC BY 4.0 yazar nüshası; metin bakımından yerel nüshayla eşdeğer](https://zenodo.org/records/21605395/files/fse2026-posters-final11%20%284%29.pdf?download=1)
6. **Yazar kaynakları** [Poster ve slayt destesi](https://aogavrilov.com/publications/inspectable-control/media/)
7. **Bibliyografik kayıt** [DBLP](https://dblp.org/rec/conf/sigsoft/GavrilovGMMM26)
8. **Akademik kaydı açın** [OpenAlex](https://openalex.org/W7169573479)
9. **Atıf grafiği kaydı** [Semantic Scholar](https://www.semanticscholar.org/paper/93c3de037596ce177d9d882d214ccad5c5405b00)
10. **Yazarın paylaştığı tam metin** [ResearchGate](https://www.researchgate.net/publication/410435483_Inspectable_Control_for_Structure-Preserving_Software_Regeneration)
11. **Sade dille özet** [Kudos](https://www.growkudos.com/publications/10.1145%252F3803437.3807386/reader)

Yayımlanmış DOI, birincil bibliyografik tanımlayıcıdır. Bu sayfa, sürümler arasında projenin tek kanonik URL'si olarak kalır.

## İlgili yayın

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

Şunu okuyun: [Denetlenebilir kod düzenleme](https://aogavrilov.com/tr/projects/discrete-latent-generation/) araştırma rehberi. [Yazar hakkında](https://aogavrilov.com/about/) .

### Odaklı araştırma notları

Kanıt sınırları belirtilmiş ve bu makaleye geri bağlantılar içeren, amaca özgü yanıtlar.

- [Üretici modellerle yerelleştirilmiş kod değişikliği](https://aogavrilov.com/tr/research-notes/localized-code-modification-generative-models/)
- [Yazılım mühendisliği için kısıtlı kod üretimi](https://aogavrilov.com/tr/research-notes/constrained-code-generation-software-engineering/)
- [Yapay zekâ destekli yeniden düzenleme: yöntemler ve kanıtlar](https://aogavrilov.com/tr/research-notes/ai-assisted-refactoring-evidence/)
- [Öngörülebilir kod üretimi bir korunum sözleşmesi gerektirir](https://aogavrilov.com/tr/research-notes/predictable-code-generation-preservation-contract/)