AG — Alexey Gavrilov home

Inspectable Control for Structure-Preserving Software Regeneration

Inspectable Control for Structure-Preserving Software Regeneration

درجہ وار منفصل مخفی نمائندگیوں کے ذریعے کوڈ کی قابلِ کنٹرول جزوی بازتولید۔

Alexey Gavrilov1Alan-Barsag Gazzaev1Mikhail Mozikov2Ilya Makarov2Sergey Muravyov1

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

مکمل مقالہ HTML میں پڑھیںفارمولوں، جدولوں، اشکال اور حوالوں سمیت قابلِ تلاش متن۔

حتمی فہرستِ مصنفین اور DOI کے ساتھ مصنف کا camera-ready manuscript۔ CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. اشاعت اور بازاستعمال کی شرائط.

مقالے کا 30 سیکنڈ میں خلاصہ

تحقیقی سوالایک تولیدی ماڈل پروگرام کی موٹی ساخت کے منتخب عناصر محفوظ رکھتے ہوئے اس کے منتخب حصوں میں ترمیم کیسے کر سکتا ہے؟

مسئلہ

مصنوعی ذہانت کی مدد سے کوڈ میں ترمیم کرتے وقت عموماً ایک محدود تبدیلی مطلوب ہوتی ہے، جبکہ پروگرام کی منتخب ساخت برقرار رہنی چاہیے۔ پورا پروگرام دوبارہ تولید کرنے سے غیر متعلقہ حصے متاثر ہو سکتے ہیں، اور ٹوکن سطح کی قیود موٹے درجے پر کنٹرول کی کوئی واضح سطح فراہم نہیں کرتیں۔

طریقۂ کار

مطالعے میں 64 ٹوکن پر مشتمل Python فنکشنز کو درجہ وار VQ-VAE سے رمز بند کیا گیا، منتخب موٹے درجے کے منفصل کوڈ مقفل کیے گئے، اور باقی مخفی مقامات پر کوڈ کی مقامی بازتولید کے لیے ماسک شدہ منفصل تولید استعمال کی گئی۔

مرکزی نتیجہ

چار بالائی سطح کے کوڈ مقفل کرنے سے نحوی تجزیے کی شرح 0.453 سے بڑھ کر 0.591 ہو جاتی ہے؛ اس دوران غیر مقفل مقامات میں تبدیلی کی شرح 0.936 رہتی ہے اور مشروط نمونوں کی انفرادیت 0.998 برقرار رہتی ہے۔

یہ کیوں اہم ہے

نتائج قابلِ کنٹرول کوڈ تدوین اور پروگرام کی جزوی بازتولید میں استحکام اور آزادی کے قابلِ پیمائش باہمی توازن کو ظاہر کرتے ہیں۔ یہ قابلِ معائنہ مخفی کنٹرول تہہ کے حق میں ابتدائی شواہد ہیں، معنوی مساوات یا فعلی درستی کا ثبوت نہیں۔

خلاصہ

سافٹ ویئر انجینئرنگ کے سلسلہ ہائے کار—مثلاً مقید مرمت، مرحلہ وار تنقیح، اور ساخت محفوظ رکھنے والی ترمیم—میں یہ طے کرنے پر کنٹرول درکار ہوتا ہے کہ کیا بدلے اور کیا برقرار رہے۔ ان کاموں کے لیے ٹوکن سطح کی تولید کمزور سطحِ کنٹرول ہے، کیونکہ وہ اُن موٹے ساختی مستقلات کے بجائے مقامی ظاہری متن کو مقید کرتی ہے جنہیں سافٹ ویئر انجینئرنگ میں عموماً محفوظ رکھنا مقصود ہوتا ہے۔ ہم درجہ وار منفصل مخفی نمائندگیوں کو سافٹ ویئر مصنوعات کی قابلِ معائنہ درمیانی نمائندگی کے طور پر زیرِ مطالعہ لاتے ہیں: درجہ وار VQ-VAE، 64 ٹوکن کے Python فنکشن کو موٹے اور باریک منفصل کوڈز میں سکیڑتا ہے، اور ماسک شدہ منفصل تولید جزوی قیود کے تحت صرف منتخب مقامات کو دوبارہ تولید کرتی ہے۔ پہلے سے عمل شدہ 2,000 Python فنکشنز میں چار بالائی سطح کے کوڈ مقفل کرنے سے نحوی تجزیے کی شرح 0.453 سے 0.591 ہو گئی، جبکہ غیر مقفل مقامات میں خاطر خواہ تبدیلی (تدوینی آزادی، 0.936) اور تقریباً زیادہ سے زیادہ نمونہ جاتی انفرادیت (تنوع، 0.998) برقرار رہی۔ موٹے درجے کا سیاق ثابت رکھنے پر زیریں سطح کی تنقیح کمزور، مگر یک رُخی رہتی ہے؛ یہ درجہ بندی کی موٹے سے باریک تعبیر کی تائید کرتی ہے۔ مجموعی طور پر، یہ نتائج ٹوکن سطح سے بالاتر ایک عملی کنٹرول تہہ کے حق میں ابتدائی شواہد فراہم کرتے ہیں، جو ساخت محفوظ رکھتے ہوئے سافٹ ویئر مصنوعات کی محدود بازتولید میں معاون ہے۔

مقامِ اشاعت Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering

نوعیتِ حصہ فضائے نہاں کے کنٹرول کا طریقہ

صص۔ 1406–1407ہمراہ پوسٹر

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

یہ مقالہ شیئر کریںاشتراک

کلیدی نتائج

ساخت محفوظ رکھنے والی سافٹ ویئر بازتولید کے قابلِ معائنہ کنٹرول کے کلیدی نتائج
ترتیبتجزیۂ نحوی کی شرحڈھانچادستخطغیر مقفل تبدیلی
ان پٹ (مختصر کیا گیا)0.9940.9940.994—
کوڈیک بازتعمیر0.8570.8480.4930
غیر مشروط توليد0.4530.0800.995
مشروط، سابقہ k=40.5910.2950.0610.936
مشروط، دستخطی پھیلاؤ0.60.3020.063رپورٹ نہیں کیا گیا

کلیدی نتیجہ۔ موٹے درجے کے مخفی کوڈ مقفل کرنے سے قابلِ تدوین حصے میں تبدیلی کی گنجائش ختم کیے بغیر نحوی استحکام بہتر ہوتا ہے؛ نتیجہ ساختی کنٹرول دکھاتا ہے، فعلی مساوات کی ضمانت نہیں دیتا۔

مجموعۂ کوائف
CodeParrot Clean کے ایک ذیلی مجموعے سے 2,000 پیشگی عمل شدہ Python functions
نمونے کا حجم
2,000 پیشگی عمل شدہ Python functions؛ مشروط نمونوں کی انفرادیت 0.998 ہے۔
پیمانے
تجزیۂ نحوی کی شرح؛ بنیادی خاکے اور دستخط کے تحفظ کے قائم مقام پیمانے؛ غیر مقفل مقام کی شرحِ تبدیلی؛ نمونوں کی انفرادیت اور اینٹروپی
غیر یقینی
دو صفحات کا یہ مطالعہ confidence intervals یا multi-seed شماریاتی تجزیے کے بغیر نقطی تخمینے پیش کرتا ہے۔
شرائط
64-token functions، argmax decoding، بالائی سطح کے 16 codes اور زیریں سطح کے 32 codes؛ مکمل مقفل کاری کوڈیک بازتعمیر بعینہٖ بازیافت کرتی ہے۔

نتائج ڈاؤن لوڈ کریں:CSVJSONمارک ڈاؤنبیرونی آئینہ:Hugging Face ڈیٹا سیٹ کارڈ

PDF اور حوالہ

اس مقالے کا حوالہ یوں دیں BibTeX تجویز کردہ وضع ہے۔ ذیل کی ہر صورت اسی اشاعتی record سے تیار کی گئی ہے۔

PDF کھولیں
@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 ڈاؤن لوڈ کریں

حوالہ جاتی فائلیں:APA متنIEEE متنRISCSL-JSONSchema.org JSON-LDOAI-DC XMLOpenAIRE v4 XMLMODS XMLJATS 1.4 میٹا ڈیٹا XMLمکمل متن JATS 1.4 XMLRDF Turtleروابط کا مجموعہ (JSON)روابط کا مجموعہ (HTTP)RO-Crate

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

مکمل رہنما

مکمل تحقیقی رہنما

طریقۂ کار

طریقہ مختصر Python فنکشن کو دو سطحی منفصل codes میں سکیڑتا، منتخب موٹے مقامات منجمد کرتا، اور code میں decoding سے پہلے باقی مقامات دوبارہ بناتا ہے۔

  1. رمز بند کریں

    ایک 64 ٹوکن کے Python تفاعل کو درجہ بند VQ-VAE کے ذریعے 16 بالائی سطحی اور 32 زیریں سطحی کوڈز میں مضغوط کریں۔

  2. مقفل کریں

    ایسے موٹے درجے کے کوڈ مقامات منتخب کریں جو محفوظ رکھی جانے والی ساخت کی نمائندگی کریں، مثلاً تفاعل کے دستخط کے پھیلاؤ کو محیط سابقہ۔

  3. دوبارہ تولّد کریں

    ماسک شدہ منفصل تولّد صرف غیر مقفل مقامات پر چلائیں اور مکمل شدہ درجہ بندی کو واپس ماخذ کوڈ میں decode کریں۔

  4. معائنہ کریں

    باز تولید قبول کرنے سے پہلے تجزیۂ نحوی کی شرح، ساختی قائم مقام پیمانوں، غیر مقفل مقامات میں تبدیلی اور نمونوں کی انفرادیت کی پیمائش کریں۔

پروگرام کے منتخب موٹے درجے کے کوڈ ثابت رہتے ہیں، جبکہ ماسک شدہ باریک منفصل کوڈ دوبارہ تولید ہو کر ایک ترمیم شدہ Python فنکشن میں رمزکشائی ہوتے ہیں۔
درجہ وار منفصل مخفی کوڈ کی تدوین، قابلِ تدوین حصے میں باریک کوڈ دوبارہ تولید کرتے ہوئے پروگرام کی منتخب موٹے درجے کی ساخت محفوظ رکھتی ہے۔ماخذ: شائع شدہ طریقے اور نتائج کی بنیاد پر مصنف کا تیار کردہ توضیحی خاکہ۔.دوبارہ استعمال کی شرائط: CC BY 4.0.تجویز کردہ انتساب: Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration. SVG ڈاؤن لوڈ کریں.

کلیدی تصور

کنٹرول ٹوکنز سے بالاتر ایک اکتسابی نمائندگی پر لاگو ہوتا ہے: موٹے درجے کے نہاں مقامات واضح جگہیں متعین کرتے ہیں جہاں ساخت کو منجمد رکھا جا سکتا ہے، جبکہ قریبی نفاذی تفصیلات قابلِ تدوین رہتی ہیں۔

قریبی طریقوں سے فرق

پرامپٹ یا ٹوکن کی سطح کی قیود ظاہری متن پر عمل کرتی ہیں۔ مجوزہ واسطہ موٹے اور باریک منفصل نقاطِ تحکم ظاہر کرتا ہے اور ان سے پیدا ہونے والے استحکام–آزادی کے باہمی سمجھوتے کی پیمائش کرتا ہے۔

نیا کیا ہے

یہ کام محدود software artifacts کی باز تولید کے لیے قابلِ معائنہ، درجہ وار نہاں ضبط کی تہ متعارف کراتا اور جانچتا ہے۔

وہ سوالات جن کے جواب میں یہ مقالہ معاون ہے

مقالے پر مبنی مختصر جواب کے لیے سوال کھولیں۔ شواہد کی تفصیلی حدود، حدود و قیود میں درج ہیں۔

  1. AI ہر چیز ازسرِنو لکھے بغیر کوڈ میں ترمیم کیسے کر سکتی ہے؟

    مقالہ ٹوکن سطح سے اوپر جزوی code regeneration پڑھتا ہے۔ درجہ بند VQ-VAE مختصر Python فنکشن کو موٹے و باریک منفصل codes میں نقش کرتا ہے؛ منتخب موٹے مقامات مقفل اور ماسک شدہ منفصل تولید decoding سے پہلے باقی latent positions بدلتی ہے۔ یوں پوری بازتولید کے بجائے واضح حدِ تحفظ ملتی ہے۔

  2. code generation کے دوران کون سے طریقے program کی ساخت محفوظ رکھتے ہیں؟

    یہ کام درجہ وار منفصل نہاں ضبط کو آزماتا ہے۔ موٹے نہاں مقامات کو ثابت رکھا جا سکتا ہے جبکہ غیر مقفل مقامات دوبارہ تولید ہوتے ہیں، جس کے بعد parse rate اور ساختی قائم مقام اشاریے ناپے جاتے ہیں۔ شہادت مختصر Python افعال پر احتمالی ساختی استحکام سے متعلق ہے؛ یہ عین AST تحفظ، معنوی مساوات یا عملی صحت ثابت نہیں کرتی۔

  3. کیا درجہ بند متفرد متغیراتِ نہاں کوڈ پر مقامی کنٹرول فراہم کر سکتے ہیں؟

    بیان کردہ 2,000 فنکشنوں کے تجربے میں، چار بالائی سطحی کوڈ مقفل کرنے سے نحوی تجزیے کی شرح 0.453 سے بڑھ کر 0.591 ہو گئی۔ اسی دوران، غیر مقفل مقامات میں سے 0.936 تبدیل ہوئے اور مشروط نمونوں کی انفرادیت 0.998 رہی۔ یہ نتائج ابتدائی شواہد فراہم کرتے ہیں کہ فضائے نہاں کی موٹی سطح کی قیود، مقامی ترمیم کی آزادی یا نمونوں کے تنوع کو ختم کیے بغیر، ساخت کے کچھ حصے محفوظ رکھ سکتی ہیں۔

  4. کوڈ کی تولید میں ساختی استحکام اور تنوع کے مابین توازن کیسے قائم کیا جا سکتا ہے؟

    مقالہ صرف validity کے بجائے استحکام اور آزادی ساتھ جانچتا ہے۔ coarse-code locking نحوی validity بڑھاتی ہے، غیر مقفل تبدیلی بلند اور conditional samples تقریباً سب یکتا رہتے ہیں۔ نتیجہ آزمودہ ترتیب میں قابلِ پیمائش استحکام–آزادی موازنہ ہے، آفاقی optimum نہیں۔

  5. یہ کام LLM کی معاونت سے ہونے والی کوڈ ترمیم سے کس طرح متعلق ہے؟

    آزمودہ model نقاب دار منفصل توليد والا درجہ وار VQ-VAE ہے، کوئی large language model نہیں۔ تاہم ضبط کا مسئلہ LLM-assisted editing سے متعلق ہے، کیونکہ مطلوبہ حصے سے باہر غیر ضروری تبدیلیاں عملی تشویش ہیں۔ مقالہ فضائے نہاں کا ایک تکمیلی طریقۂ کار اور جانچ کا سانچہ پیش کرتا ہے، LLM editing کا معیارِ آزمائش نہیں۔

قریبی طریقوں سے تقابل

ساخت محفوظ رکھنے والی سافٹ ویئر بازتولید کے قابلِ معائنہ کنٹرول کا قریبی طریقوں سے واقعاتی تقابل
صلاحیتToken سطح کا ضبطدرجہ وار خفی کنٹرول
موٹی ساخت کو منجمد کریںمحدودمقامی درشت کوڈ کا مقفل کرنا
جزوی بازتولیدناپائیدار سطحی قیودمنتخب کوڈز کی نقاب زدہ بازنمونہ کاری
قابلِ معائنہ کنٹرول کے نقاطکوئی صریح درمیانی پرت نہیںموٹے اور باریک درجے کے متفرد مقامات
اس مقالے میں موجود شواہدمکمل خطِ اساس کے طور پر جانچا نہیں گیانحوی استحکام اور آزادیِ تدوین کی تشخیص

جدول واسطوں اور مطالعے کی پیمائش شدہ شہادت بیان کرتا ہے؛ یہ عملی صحت یا آفاقی برتری کا دعویٰ نہیں کرتا۔

تعلق اور دائرۂ کار

یہ مقالہ اس کام کے لیے موزوں ہے جسے واضح کنٹرول چاہیے کہ AI-assisted code transformation کیا بدلے اور پروگرام کے کون سے حصے مستحکم رہیں۔

  1. قابلِ کنٹرول اور ساخت محفوظ رکھنے والی کوڈ تولید

  2. مقامی پروگرام مرمت اور محدود ری فیکٹرنگ

  3. ماخذ کوڈ کے لیے درجہ وار منفصل نمائندگیاں

  4. ماخذ کوڈ کے لیے نقاب زدہ منفصل تولید

  5. سافٹ ویئر مصنوعات کے لیے فضائے نہاں کا کنٹرول

حدود اور شواہد کی سرحدیں دیکھیں

حدود

  • مطالعہ اُن مختصر Python فنکشنز تک محدود ہے جنہیں 64 ٹوکن پر مختصر کیا گیا۔
  • جائزے میں فعلی مساوات کی آزمائشوں کے بجائے argmax رمزکشائی اور نحوی یا ساختی قائم مقام پیمانے استعمال کیے گئے ہیں۔
  • دستخط کا بعینہٖ تحفظ بدستور کمزور ہے۔
  • زیریں سطح کا کنٹرول بالائی سطح کے کنٹرول سے کمزور ہے۔
  • مخفی مقامات کو ابھی AST کے حصوں، دستخطوں یا ساختِ بہاؤِ کنٹرول جیسے معنوی خطوں سے ہم آہنگ نہیں کیا گیا۔
  • نتائج عملی repair، refactoring یا repository-level changes کی صحت قائم نہیں کرتے۔

مقالے میں حوالہ دیے گئے مراجع

یہ اندراجات مقالے کی PDF میں عدد وار References حصے سے متناظر ہیں۔

  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.

وسائل اور قابلِ تکرار تحقیق

ناشر
ACM
اشاعتی وسائل
عوامی مخطوطہ، نتائج کے جدول، توضیحی شکل اور citation files یہاں ہیں۔ implementation code اور checkpoints عوامی طور پر جاری نہیں۔

کوائف کا بیان

ماخذ
CodeParrot Clean کا پیشگی عمل شدہ ذیلی مجموعہ، جس میں 2,000 Python functions شامل ہیں۔
اجازت نامہ
یہ ویب گاہ ڈیٹا سیٹ کی کوئی فائل دوبارہ تقسیم نہیں کرتی؛ بازاستعمال بدستور اصل CodeParrot ڈیٹا سیٹ اور ماخذ کوڈ کے اجازت ناموں کے تابع ہے۔
پیش کار کاری
درجہ بند رمز بندی سے پہلے Python افعال کو ٹوکنوں میں تقسیم کر کے 64 ٹوکنوں تک تراشا یا padding کیا جاتا ہے۔
تقسیم
poster میں 2,000-function evaluation set ہے؛ public paper میں immutable train/validation split manifest شامل نہیں۔
صورت
Python ماخذ کے افعال، GPT طرز کے ٹوکن سلسلے، 16 طوالت کے بالائی سطحی کوڈ سلسلے، اور 32 طوالت کے زیریں سطحی سلسلے۔
نسخہ / checksum
دو صفحات کے مقالے میں dataset checksum اور ناقابلِ تغیر snapshot identifier درج نہیں کیے گئے۔
حصول
اشاعتی صفحے کے ساتھ عوامی acquisition script جاری نہیں کیا گیا۔
استعمال کی حدود
نمونہ repository-scale software، متعدد programming languages یا behaviorally verified repair tasks کا نمائندہ نہیں۔

نسخے

  1. شائع شدہ نسخہACM FSE Companion, 2026
  3. مکمل متن کا بیرونی آئینہHugging Face پر CC BY 4.0 کے تحت مصنف کا مسودہ
  4. مخزنی ریکارڈ کھولیںOpenAIRE میں اشاریہ بند Zenodo record
  7. کتابیاتی recordDBLP
  8. علمی ریکارڈ کھولیںOpenAlex
  9. حوالہ جاتی گراف کا ریکارڈSemantic Scholar
  10. مصنف کا فراہم کردہ مکمل متنResearchGate
  11. سادہ زبان میں خلاصہتحسین

شائع شدہ DOI بنیادی کتابیاتی شناختی ہے۔ یہ صفحہ تمام versions میں واحد canonical project URL ہے۔

یہ پڑھیں: قابلِ کنٹرول کوڈ تدوین تحقیقی رہنما۔مصنف کا تعارف.

مرکوز تحقیقی نوٹس

شواہد کی حدود اور اس مقالے کی جانب واپسی کے روابط کے ساتھ، مقصد سے مخصوص جوابات۔