AG — Alexey Gavrilov home

AI پورے پروگرام کو دوبارہ پیدا کیے بغیر کوڈ میں ترمیم کیسے کر سکتی ہے؟

تولیدی models کے ذریعے مقامی code ترمیم کے لیے عملی تحقیقی رہنما: کیا ثابت رہنا چاہیے، کیا بدل سکتا ہے، اور کسی تبدیلی کو ساختی تحفظ کا حامل قرار دینے سے پہلے کون سے شواہد درکار ہیں۔

شائع شدہ تجدید شدہ

یہ رہنما شیئر کریںاشتراک

اصل مسئلہ کیا ہے

کوڈ تدوین محض مختصر تلقین کے ساتھ کوڈ کی تولید نہیں۔ مدوّن کو ایک موجودہ مصنوعہ، مطلوبہ تبدیلی، اور ایک ضمنی معاہدۂ تحفظ ملتا ہے۔ لہٰذا بنیادی سوال دو رُخی ہے: کون سا حصہ بدل سکتا ہے، اور باقی حصے کی کون سی خصوصیات لازماً مستحکم رہیں؟

یہ رہنما AI-assisted software editing میں داخل ہونے والے تکنیکی فہم رکھنے والے قارئین کے لیے ہے۔ یہ مقامی ترمیم کے وجدانی تصور کو نحوی، ساختی، معنوی اور عملی تحفظ کے زیادہ قوی دعووں سے الگ کرتا ہے۔

مرکزی خیال

ایک محدود editor کو محض تولیدی ہدف نہیں بلکہ صریح حدِ تحفظ درکار ہوتی ہے۔

کسے لازماً ثابت رہنا چاہیے

یہ متنی قطعہ، grammar، API signature، AST حصہ، آزمائشی رویہ، dependency contract، یا سیکھی ہوئی موٹی نمائندگی ہو سکتی ہے۔ ہر انتخاب استحکام کے ایک مختلف تصور کی حفاظت کرتا ہے۔

کیا بدل سکتا ہے

قابلِ تدوین خطے کو کام حل کرنے کی کافی آزادی چاہیے۔ ہر چیز نقل کرنے والا کنٹرول مستحکم مگر بے کار؛ ہر چیز دوبارہ لکھنے والا مقامیت کے بغیر آزاد ہے۔

ایک وجدانی نمونہ: ایک کمرے کی تجدید کریں، عمارت محفوظ رکھیں

تصور کیجیے کہ ایک کمرے کی تجدید کرتے ہوئے عمارت کا بوجھ برداشت کرنے والا ڈھانچا، پلمبنگ کے اتصال، اور ملحقہ کمرے جوں کے توں رکھے جائیں۔ مکمل بازتولید ایسی ہے جیسے محض زبانی بیان کی بنیاد پر پورا مکان دوبارہ تعمیر کیا جائے۔ اس کے برخلاف، مقامی ترمیم محفوظ ساخت کی نشان دہی کرتی، کام کا محدود علاقہ کھولتی، تبدیلی انجام دیتی، اور نتیجہ قبول کرنے سے پہلے اس کا معائنہ کرتی ہے۔

مماثلت کہاں ختم ہوتی ہے۔ سیکھا ہوا نہاں code کوئی مصدقہ معماری منصوبہ نہیں۔ موٹے درجے کے code کو ثابت رکھنے سے ناپی گئی ساختی پائیداری بڑھ سکتی ہے، مگر یہ ضمانت نہیں ملتی کہ کوئی مخصوص AST node، رویہ یا interface غیر تبدیل شدہ رہے گا۔

جزوی بازتولید کا زیادہ دقیق تصور

کسی رمزکار کو پروگرام کا نقشہ بنانے دیں x ایک ساخت یافتہ نہاں نمائندگی میں z۔ تحفظی mask ان جگہوں کا انتخاب کرتا ہے L کو ثابت رکھنے کے لیے۔ مولد نفاذ کرتے ہوئے صرف تکمیلی مقامات سے نمونے لیتا ہے z'ₗ = zₗ ہر مقفل مقام کے لیے۔ پھر رمز کشا مکمل نمائندگی کو نقش کرتا ہے z' واپس source code میں۔

یہ طریقۂ کار tokens کے اوپر قابلِ معائنہ سطحِ ضبط بناتا ہے۔ اس کے مفہوم کو اب بھی تجربی طور پر ثابت کرنا لازم ہے: محققین کو آزمانا ہوگا کہ decoding کے بعد مقفل مقامات کیا محفوظ رکھتے ہیں اور آیا قابلِ ترمیم مقامات میں کافی آزادی باقی رہتی ہے۔

چار مرحلوں پر مشتمل تدوینی کار رو

  1. حد متعین کریں

    محفوظ علاقوں یا خصوصیات کی نشان دہی کریں اور مطلوبہ تبدیلی متعین کریں۔

  2. مصنوعے کی نمائندگی کریں

    متن، نحو، retrieval context، یا سیکھے ہوئے موٹے اور باریک codes استعمال کریں۔

  3. انتخابی طور پر دوبارہ تولّد کریں

    منتخب قیود برقرار رکھتے ہوئے صرف قابلِ ترمیم مقامات سے نمونے لیں۔

  4. قبول کرنے سے پہلے توثیق کریں

    مقامیت، نحوی صحت، ساخت، رویّے اور غیر ارادی ضمنی اثرات کی پیمائش کریں۔

کوڈ تدوین، پروگرام مرمت، اور مقید تولید ایک ہی کام نہیں ہیں

طریقۂ کاربنیادی ہدفتحفظ کا عمومی طریقۂ کاراب بھی کس چیز کی توثیق درکار ہے
مکمل کوڈ کی تولیدایک مکمل مصنوعہ تیار کریںپرامپٹ اور سیاقدرخواست کردہ تبدیلی سے باہر کی ہر چیز
خودکار program repairتشخیص شدہ نقص دور کریںخرابی کی مقام شناسی، آزمائشیں، سانچے، یا پیونددستیاب آزمائشوں سے ماورا درستی اور پیوند کی کم سے کم وسعت
خالی جگہ پُر کرنے یا ترمیم کے ماڈلمتن کے منتخب خطوں میں ترمیم کریںنمایاں prefix، suffix، diff یا edit contextغیر مقصود ساختی اور رویہ جاتی تبدیلیاں
قواعد سے مقید رمز کشائیآؤٹ پٹ کو رسمی زبان کی حدود میں رکھیںقواعد کے لحاظ سے درست رمز کشائی کی حالتیںپروگرام کا مفہوم، کام کی صحت، اور مقامیت
درجہ وار خفی کنٹرولمنتخب اکتسابی مقامات کو دوبارہ تولّد کریںفضائے نہاں کے مقفل موٹے یا باریک سطحی کوڈوہ codes decoding کے بعد کیا محفوظ رکھتے ہیں

مقامیت اور ساخت کے تحفظ کی پیمائش کیسے کی جائے

خطے سے باہر تبدیلی
مطلوبہ ترمیم سے باہر diff کی پیمائش کریں۔ کم قدر مقامیت کے حق میں شہادت دیتی ہے، مگر محض نقل کر دینا کامیابی نہیں۔
قابلِ تدوین حصے کی آزادی
ناپیں کہ آیا غیر مقفل خطہ واقعی بدلتا ہے اور آیا متعدد درست امیدواروں کا امکان برقرار رہتا ہے۔
نحو اور قواعد
تجزیۂ نحوی کی شرح یا قواعدی صحت بدساخت ماحصل پکڑ لیتی ہے، مگر تنہا رویّے کے بارے میں کچھ ثابت نہیں کرتی۔
ساختی ثوابت
ان دستخطوں، AST پھیلاؤ، بہاؤِ کنٹرول، بہاؤِ کوائف، درآمدات، یا APIs کا تقابل کریں جنہیں کام کے مطابق مستحکم رہنا چاہیے۔
فعلی شواہد
جہاں یہ مصنوعات دستیاب ہوں وہاں tests، static checks، compilation، اور کام سے مخصوص رویّہ جاتی جائزہ چلائیں۔
تنوع اور غیر یقینی
امیدواروں کی انفرادیت اور مکرر اجرا کا تغیر رپورٹ کریں تاکہ استحکام کو mode collapse نہ سمجھ لیا جائے۔

ترمیمی کام کے لیے کون سی سطحِ ضبط موزوں ہے؟

”پورا function دوبارہ نہ لکھیں“ ایک تقاضا ہے، مکمل طریقۂ کار نہیں۔ پہلے اس نتیجے کی تعیین کریں جس کا قابلِ پیش گوئی ہونا ضروری ہے، پھر موزوں اختیاری سطح اور اس سے ہم آہنگ شواہد منتخب کریں۔

درکار ضمانتزیادہ موزوں اختیاری سطحطلب کیے جانے والے شواہد
AI کی معاونت سے رویہ محفوظ رکھنے والی refactoringکسی LLM کو تبدیلی کی شناخت یا تجویز کرنے دیں، پھر جہاں ممکن ہو اسے قابلِ اعتماد ری فیکٹرنگ انجن کے ذریعے انجام دیں۔ دیکھیے RefactoringMirror.تالیف، آزمائشیں، جامد پڑتالیں، اور بازتشکیل کی شناخت۔ SWE-Refactor ان جانچوں کو مخزن کی سطح پر واضح بناتا ہے۔
پورے فنکشن کی بازنویسی کے بغیر مقامی کوڈ تبدیلیغیر تبدیل شدہ ماخذ حصے دوبارہ استعمال کریں اور صرف امیدوار ترمیمی حصے تولّد کریں، جیسا کہ EfficientEdit.خطے سے باہر diff، عملی کامیابی، قبول شدہ ٹوکنز کا بازاستعمال، اور یہ کہ آیا حذف شدہ سیاق کے باعث بین الفائلی تبدیلیاں نظرانداز ہوتی ہیں۔
سافٹ ویئر انجینئرنگ کے لیے مقید کوڈ تولیدرمز کشائی کے دوران ایک صوری خاصیت نافذ کریں، جیسا کہ قواعد سے مقید پھیلاؤ، یا درست prefixes کے checkpoints محفوظ کر کے صرف ذمہ دار حصے تک rollback کیا جا سکتا ہے، جیسا کہ Hydra.قواعد، کمپائلر، یا type-checker کی کامیابی، نیز فعلی آزمائشیں، مقامیت، مرمت میں تاخیر، اور دوبارہ تولید شدہ درست کوڈ کی مقدار۔
مقامیت–تنوع کے توازن کے ساتھ Python فنکشن کی انتخابی بازتولیدفضائے نہاں کے منتخب موٹے یا باریک سطحی مقامات مقفل کریں اور صرف باقی مقامات سے نمونے لیں۔رمزکشائی شدہ مقامیت، نحو، ساختی غیر متغیرات، آزادیِ تدوین، تنوع، اور غیر یقینی۔ صرف متغیراتِ نہاں کا قفل بازتشکیل کی ضمانت نہیں۔
صریح معاہدۂ تحفظ کے تحت قابلِ پیش بینی کوڈ کی تولیدتولید سے پہلے قابلِ مشاہدہ محفوظ خواص اور کامیابی/ناکامی کی پڑتالیں متعین کریں، پھر وہ محدود ترین طریقۂ کار چنیں جو انہیں نافذ یا آشکار کر سکے۔رمز کشائی کے بعد انہی متعین خواص کی پیمائش کریں اور مکرر اجرا میں قبولیت، رد اور ناکامی کی شرحیں رپورٹ کریں۔ صرف قطعی نمونہ گیری تحفظ کی ضمانت نہیں۔

وہ تحقیقی سوالات جن کے جواب یہ رہنما دیتا ہے

یہ مختصر جوابات اس رہنما میں مستعمل دعووں اور شہادت کی حدود متعین کرتے ہیں۔

  1. ایک تولیدی ماڈل پورا فنکشن دوبارہ لکھے بغیر کوڈ میں ترمیم کیسے کر سکتا ہے؟

    تولید سے پہلے قابلِ تدوین حد متعین کریں، اس سے باہر ماخذ کو محفوظ رکھیں یا دوبارہ استعمال کریں، صرف امکانی تبدیلیاں پیدا کریں، اور کام میں ناکام یا محفوظ خطوں کو بدلنے والے مخرجات رد کریں۔ درجہ بند متغیراتِ نہاں کا قفل ایک تجرباتی سطحِ کنٹرول ہے، مگر یہ یکساں ماخذی پھیلاؤ کی ضمانت نہیں دیتا۔ مقامی تدوینی سطوحِ کنٹرول کا تقابل کریں.

  2. کون سی شہادت ظاہر کرتی ہے کہ code کی ترمیم محض نحوی طور پر درست نہیں بلکہ مقامی بھی ہے؟

    مطلوبہ خطے سے باہر diff کو عملی کامیابی، قابلِ ترمیم خطے کی تبدیلی، ساختی مستقلات، آزمائشوں یا جامد جانچ، اور مکرر اجرا کے تغیر کے ساتھ ناپیں۔ صرف تجزیۂ نحوی کی شرح محض نحوی درست ساخت ثابت کرتی ہے۔ مقامیت کے شواہد کی پڑتال فہرست کا جائزہ لیں.

  3. کوڈ ترمیم کی مقامیت اور تولیدی تنوع کے مابین توازن کیسے قائم کیا جانا چاہیے؟

    محفوظ حصے کا استحکام، قابلِ ترمیم حصے کی آزادی، اور امیدواروں کی انفرادیت ساتھ ساتھ رپورٹ کریں۔ input کی نقل استحکام کو زیادہ سے زیادہ کر سکتی ہے مگر کام میں کوئی پیش رفت نہیں کرتی؛ غیر مقید بازنوشت تبدیلی کو زیادہ سے زیادہ کرتے ہوئے مقامیت تباہ کر سکتی ہے۔ محدود استحکام–آزادی کے شواہد دیکھیں.

  4. مقامی کوڈ ترمیم، مقید تولید، اور پروگرام کی مرمت ایک دوسرے سے کیسے مختلف ہیں؟

    مقامی ترمیم اس امر کو نمایاں کرتی ہے کہ کیا بلا تبدیلی رہنا چاہیے؛ مقید تولید، قواعدی رکنیت جیسی رسمی آؤٹ پٹ خصوصیت نافذ کرتی ہے؛ اور پروگرام کی مرمت تقاضا کرتی ہے کہ تبدیلی کسی نقص یا کام کی تخصیص پوری کرے۔ محض نحو، معنوی مساوات، فعلی درستی، کام یابی، یا مقامیت ثابت نہیں کرتی۔ تینوں مقاصد کا تقابل کریں.

  5. Python فنکشن کے منتخب حصوں کو اس طرح دوبارہ کیسے پیدا کیا جا سکتا ہے کہ باقی حصہ مستحکم رہے؟

    تولید سے پہلے محفوظ اور قابلِ تدوین خطے متعین کریں، صرف قابلِ تدوین نمائندگی میں تبدیلی کریں، رمزکشائی کریں، اور ان امیدواروں کو رد کریں جو محفوظ کوڈ بدلیں یا نحو، آزمائشوں، جامد پڑتالوں، یا کام سے مخصوص غیر متغیرات میں ناکام ہوں۔ بیان کردہ درجہ بند نہاں تجربہ 64 ٹوکن کے تفاعلات پر احتمالی استحکام ناپتا ہے؛ یہ غیر تبدیل شدہ پھیلاؤ یا طرزِ عمل کی ضمانت نہیں دیتا۔ انتخابی بازتولید کے عملی بہاؤ کا معائنہ کریں.

  6. AI-assisted رویہ محفوظ رکھنے والی refactoring کے لیے کون سی حکمتِ ضبط موزوں ہے؟

    model سے تحویل کی شناخت یا تجویز لیں، پھر جہاں ممکن ہو اسے قابلِ اعتماد refactoring engine سے نافذ کریں اور compilation، tests، static checks اور مطلوبہ refactoring کی توثیق کریں۔ بظاہر معقول تولید شدہ patch کافی شہادت نہیں۔ بازساخت کاری کے فیصلے کی سطر کھولیں.

  7. کون سی چیز code generation کو محض قابلِ ضبط کے بجائے قابلِ پیش گوئی بناتی ہے؟

    generator چننے سے پہلے قابلِ مشاہدہ معاہدۂ تحفظ اور قبولیت کی جانچیں بیان کریں۔ پیش بینی اس پر ہے کہ decoding و توثیق کے بعد کیا ثابت رہتا ہے، محض prompt، mask، grammar یا latent code ثابت ہونے پر نہیں۔ معاہدۂ تحفظ متعین کریں.

موجودہ تجربہ کیا دکھاتا ہے—اور کیا نہیں

مندرجہ ذیل میں Inspectable Control for Structure-Preserving Software Regeneration، ایک درجہ بند VQ-VAE، 64-token Python functions کو بالائی سطح کی 16 اور زیریں سطح کی 32 منفصل جگہوں پر نقش کرتا ہے۔ بالائی سطح کے چار codes مقفل کرنے سے parse rate یہاں سے بڑھتا ہے 0.453 سے 0.591، جبکہ غیر مقفل جگہیں اب بھی اس شرح سے بدلتی ہیں 0.936 اور مشروط نمونے بدستور رہتے ہیں 0.998 منفرد.

یہ ایک چھوٹے ماحول میں ناپے گئے استحکام–آزادی تبادلے کی شہادت ہے۔ یہ عین AST تحفظ، معنوی مساوات، عملی صحت، کامیاب مرمت یا repository پیمانے کے رویے کی ضمانت نہیں۔

ہمراہ مطالعہ Where Quality Breaks in Compressed Short-Text Generation جانچ کا ایک اہم سبق شامل کرتا ہے: فضائے نہاں کے بہتر قائم مقام پیمانے لازماً رمزکشائی شدہ outputs بہتر نہیں کرتے۔ نمائندگی، تولید، اور رمزکشائی شدہ رویے کو الگ الگ مراحل کے طور پر جانچنا چاہیے۔

دوبارہ قابلِ استعمال فیصلہ جاتی طریقۂ کار کے لیے، اس موضوع پر معاون رہنما دیکھیے کوڈیک خسارے کو generator خسارے سے الگ کرنا.

عام غلط فہمیاں

”یہ parse ہو جاتا ہے، لہٰذا درست ہے۔“

نحوی تجزیہ صرف نحوی درست ساخت ثابت کرتا ہے۔ پروگرام پھر بھی آزمائشوں، معاہدوں یا منشا کی خلاف ورزی کر سکتا ہے۔

”ایک موٹے درجے کا code ایک AST node ہے۔“

نہیں، تاوقتیکہ صریح تطبیق ثابت نہ کی گئی ہو۔ سیکھے ہوئے کوڈ کئی سطحی اور ساختی عوامل کو باہم ملا سکتے ہیں۔

”مقفل نہاں متغیرات کا مطلب غیر تبدیل شدہ source text ہے۔“

رمزکشائی کلی اور اکتسابی ہے۔ مقررہ نہاں مقامات یکساں متنی پھیلاؤ کی ضمانت دیے بغیر استحکام بڑھا سکتے ہیں۔

”کم تبدیلی ہمیشہ بہتر ہوتی ہے۔“

input نقل کرنے والا editor کامل پائیداری مگر کام میں صفر پیش رفت حاصل کرتا ہے۔ مقامیت اور ترمیمی کامیابی کو ایک ساتھ ناپنا ضروری ہے۔

آگے کیا پڑھیں

قریبی تحقیقی کام مختلف سطح ہائے ضبط استعمال کرتے ہیں؛ مسئلے سے تطبیق کے بغیر کسی کو بھی قابلِ تبادلہ خطِ اساس نہ سمجھا جائے۔

  1. Self-Edit: Fault-Aware Code Editor for Code Generation

    توليد کو قابلِ ترمیم عمل سمجھتا اور معلوم شدہ نقائص سے اصلاح کی رہنمائی لیتا ہے۔

  2. Coeditor: Leveraging Contextual Changes for Multi-round Code Auto-editing

    ہر بار ابتدا سے بازتولید کرنے کے بجائے تدوین کے متعدد ادوار میں سیاقی کوڈی تبدیلیوں کی ماڈل سازی کرتا ہے۔

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

    پروگرام مرمت کی تربیت میں تحفظ اور کم سے کم تبدیلی کو واضح بناتا ہے۔

  4. Constrained Decoding of Diffusion LLMs with Context-Free Grammars

    دکھاتا ہے کہ رسمی قیود diffusion decoding کے دوران نحوی ضمانتیں کیسے دے سکتی ہیں۔

  5. عصبی منفصل نمائندگی کی آموزش

    VQ-VAE کو متعارف کراتا ہے، جو سیکھی گئی منفصل نہاں نمائندگیوں کا بنیادی طریقۂ کار ہے۔

  6. Simple and Effective Masked Diffusion Language Models

    ہمراہ تشخیصی مطالعے میں نہاں مولّد کے طور پر مستعمل ماسک شدہ منفصل پھیلاؤ کا فریم ورک فراہم کرتا ہے۔

  7. خودکار سافٹ ویئر refactoring میں LLMs کی صلاحیت کا تجربی مطالعہ

    LLM کی تجویز کردہ غیر محفوظ ری فیکٹرنگز شناخت کرتا ہے اور معتبر ری فیکٹرنگ انجنوں کے ذریعے شناخت شدہ تبدیلیاں دوبارہ لاگو کرنے کا جائزہ لیتا ہے۔

  8. SWE-Refactor: A Repository-Level Benchmark for Real-World LLM-Based Code Refactoring

    کمپائلیشن، آزمائشوں، اور ری فیکٹرنگ کی شناخت کے ذریعے رویہ محفوظ رکھنے والی مخزن سطحی ری فیکٹرنگ کا جائزہ لیتا ہے۔

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

    ترمیم کو مکمل autoregressive بازتولید سمجھنے کے بجائے غیر تبدیل شدہ ماخذ قطعات دوبارہ استعمال کرتا اور ترمیمی مقامات کی پیش گوئی کرتا ہے۔

  10. Hydra: Efficient, Correct Code Generation via Checkpoint-and-Rollback Support

    خطا کے بعد پہلے سے درست prefixes کی باز تولید سے بچنے کے لیے static checking، checkpoints اور ہدفی rollback استعمال کرتا ہے۔

مختصر خلاصہ

مقامی کوڈ بازتولید ان کے مابین ایک معاہدہ ہے تبدیلی اور تحفظ۔ درجہ بند منفصل نہاں متغیرات اس معاہدے کے اظہار کا ایک قابلِ معائنہ طریقہ فراہم کرتے ہیں، مگر یہ نمائندگی اسی وقت مفید ہے جب رمزکشائی شدہ programs کو مقامیت، نحو، ساخت، رویے، تنوع اور غیر یقینی کیفیت کے لحاظ سے جانچا جائے۔

اس تحقیقی سمت میں اشاعتیں