# Inspectable Control for Structure-Preserving Software Regeneration Canonical HTML: https://aogavrilov.com/zh-hant/publications/inspectable-control/ Document language: zh-Hant 結構保留軟體再生成的可檢視控制 運用階層式離散潛在表徵,實現可控的局部程式碼再生成。 [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, Moscow, Russian Federation](https://axxx.tech/) [閱讀 HTML 格式全文](https://aogavrilov.com/publications/inspectable-control/full-text/) 包含公式、表格、圖與參考文獻的可搜尋文字。 含最終作者名單與 DOI 的作者定稿版本。 CC BY 4.0 author manuscript; the ACM DOI page remains the version of record. [發布與重複使用條款](https://creativecommons.org/licenses/by/4.0/) . ## 30 秒掌握論文 **研究問題** 生成模型如何修改程式中的指定部分,同時保存其粗粒度結構中選定的元素? ### 問題 AI 輔助程式碼修改往往只需進行一項範圍受限的變更,同時讓選定的程式結構保持固定。重新生成整個程式可能擾動無關區域,而詞元層級約束無法提供粗粒度控制介面。 ### 方法 本研究以階層式 VQ-VAE 編碼 64 詞元的 Python 函式,鎖定選定的粗粒度離散碼,並在其餘潛在位置採用遮罩式離散生成,以局部再生成程式碼。 ### 主要結果 鎖定四個頂層編碼使剖析率從 0.453 提升至 0.591,同時未鎖定位置仍以 0.936 的比率變更,條件樣本的唯一性則維持在 0.998。 ### 其重要性 結果顯示,可控程式碼編輯與局部程式再生成存在可量測的穩定性—自由度權衡。這些結果為可檢視的潛在控制層提供初步證據,但不能證明語意等價或功能正確。 ## 摘要 受約束修復、分階段精煉及結構保存修改等軟體工程工作流程,都必須能控制哪些部分改變、哪些部分維持固定。對此類操作而言,詞元層級生成並非有力的控制介面,因為它約束的是局部表層文字,而非軟體工程通常希望保留的粗粒度結構不變量。我們研究以階層式離散潛在表示作為軟體製品的可檢視中介表示:階層式 VQ-VAE 將一個含 64 個詞元的 Python 函式壓縮為粗粒度與細粒度離散碼,而遮罩式離散生成則在部分約束下,僅重新生成選定位置。針對 2,000 個經前處理的 Python 函式,鎖定四個頂層碼可將剖析率由 0.453 提升至 0.591,同時在未鎖定位置保有顯著變化(編輯自由度為 0.936),且樣本唯一性接近最高值(多樣性為 0.998)。在粗粒度脈絡固定時,較低層級的精煉效果雖較弱,卻仍呈單調變化,支持由粗至細理解此階層。總體而言,這些結果為一個實用控制層提供初步證據;該控制層可在詞元層級之上支援有界且保存結構的軟體製品再生成。 發表於 第 34 屆 ACM 軟體工程基礎國際會議論文集 貢獻類型 潛在空間控制方法 2026 年 7 月 5 日 第 1406–1407 頁 配套海報 DOI [https://doi.org/10.1145/3803437.3807386](https://doi.org/10.1145/3803437.3807386) ## 目錄 本頁內容 ## 主要結果 | 設定 | 剖析成功率 | 骨架 | 簽章 | 未鎖定的變更 | | --- | --- | --- | --- | --- | | 輸入(已截短) | 0.994 | 0.994 | 0.994 | — | | 編解碼器重建 | 0.857 | 0.848 | 0.493 | 0 | | 無條件生成 | 0.453 | 0.08 | 0 | 0.995 | | 條件式,前綴 k=4 | 0.591 | 0.295 | 0.061 | 0.936 | | 條件式,簽章範圍 | 0.6 | 0.302 | 0.063 | 未報告 | **主要結果。** 鎖定粗粒度潛在碼可提升語法穩定性,同時保留可編輯區域的變更幅度;此結果顯示具備結構控制能力,但不保證功能等價。 下載結果: [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) 外部鏡像: [Hugging Face 資料集卡片](https://huggingface.co/datasets/aogavrilov/inspectable-control-results) ## PDF 與引用資訊 **引用本論文** 建議使用 BibTeX 格式。下列各種格式皆由同一筆出版品紀錄產生。 ``` @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}, } ``` 引用檔案: [APA 純文字](https://aogavrilov.com/publications/inspectable-control/citation-apa.txt) [IEEE 純文字](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 中繼資料 XML](https://aogavrilov.com/publications/inspectable-control/metadata.jats.xml) [全文 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) [連結集(JSON)](https://aogavrilov.com/publications/inspectable-control/linkset.json) [連結集(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) 完整指南 ## 完整研究指南 ## 方法 ## 此方法將短 Python 函式壓縮為兩層離散碼,凍結選定的粗粒度位置,重新生成其餘位置後,再解碼回程式碼。 1. 編碼 以階層式 VQ-VAE 將一個 64 詞元的 Python 函式壓縮為 16 個頂層碼與 32 個下層碼。 2. 鎖定 選取能代表待保全結構的粗粒度碼位置,例如涵蓋函式簽章範圍的前綴。 3. 重新生成 僅在未鎖定位置上執行遮罩式離散生成,並將完成的階層結構解碼回原始碼。 4. 檢視 接受重新生成結果前,先衡量剖析成功率、結構代理指標、未鎖定位置的變化及樣本獨特性。 ![選定的粗粒度程式潛在碼保持固定;經遮罩的細粒度離散碼則重新生成,再解碼為修改後的 Python 函式。](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg) **階層式離散潛在碼編輯會保存選定的粗粒度程式結構,同時在可編輯區域內重新生成細粒度碼。* 來源: [作者依據已發表的方法與結果製作的解說圖。](https://doi.org/10.1145/3803437.3807386) . 再利用條款: [CC BY 4.0](https://creativecommons.org/licenses/by/4.0/) . 建議署名:Gavrilov et al. (2026), Inspectable Control for Structure-Preserving Software Regeneration。 [下載 SVG](https://aogavrilov.com/publications/inspectable-control/hierarchical-discrete-latent-code-editing.svg) .* ### 核心構想 控制施加於詞元之上的學習式表徵:粗粒度潛在位置明確標示可凍結結構的位置,而鄰近的實作細節仍可編輯。 ### 與相關方法的差異 提示層級或詞元層級的約束作用於表層文字。所提出的介面揭示粗粒度與細粒度的離散控制點,並測量由此產生的穩定性與自由度權衡。 ### 新增內容 本研究提出並評估一個可檢視的階層式潛在控制層,用於範圍受限的軟體成品再生成。 ## 本文有助於回答的問題 ## 開啟問題,以取得以論文為依據的精簡答覆。詳細的證據邊界列於「限制」一節。 1. AI 如何在不改寫所有內容的情況下編輯程式碼? 本論文研究詞元層級之上的局部程式碼再生成。階層式 VQ-VAE 將短 Python 函式映射為粗粒度與細粒度離散碼;選定的粗粒度位置會被鎖定,而遮罩式離散生成僅在解碼前改變其餘潛在位置。如此便能提供明確的保存邊界,而無須重新生成整個函式。 2. 哪些方法能在程式碼生成期間保留程式結構? 本研究測試階層式離散潛在控制:固定粗粒度潛在位置,同時重新生成未鎖定的位置,隨後量測剖析成功率與結構代理指標。這些證據僅涉及短篇 Python 函式的機率性結構穩定度,不能證明精確保留 AST、語意等價或功能正確。 3. 階層式離散潛在表示能否對程式碼提供局部控制? 在所報告的 2,000 個函式實驗中,鎖定四個頂層編碼使剖析率從 0.453 提升至 0.591;同時,未鎖定位置的變更比例為 0.936,條件樣本的唯一性為 0.998。這些結果提供初步證據,顯示粗粒度潛在約束可在不消除局部編輯自由度或樣本多樣性的情況下,保持部分結構。 4. 程式碼生成如何兼顧結構穩定性與多樣性? 本論文同時評估穩定性與自由度,而非僅最佳化有效性。鎖定粗粒度碼可提高語法有效性,同時未鎖定位置的變化仍維持在高水準,條件式樣本也幾乎全都互不相同。此結果顯示受測設定下存在可量測的穩定性—自由度權衡,但不代表普遍最優解。 5. 這項工作與 LLM 輔助程式碼編輯有何關聯? 受測模型是採用遮罩離散生成的階層式 VQ-VAE,而非大型語言模型。儘管如此,此控制問題仍與 LLM 輔助編輯密切相關,因為要求區域以外的不必要變更是實務上的重要疑慮。該論文提出的是互補性的潛在空間機制與評估框架,而非 LLM 編輯基準。 ## 與相關方法比較 ## | 能力 | 詞元層級控制 | 階層式潛在控制 | | --- | --- | --- | | 凍結粗粒度結構 | 有限 | 原生粗粒度程式碼鎖定 | | 局部重新生成 | 脆弱的表層約束 | 對選定程式碼進行遮罩式重新取樣 | | 可檢視控制點 | 無明確的中介層 | 粗粒度與細粒度離散位置 | | 本文所提供的證據 | 未作為完整基準進行評估 | 語法穩定性與編輯自由度診斷 | 此表說明介面與研究中實際量測的證據,並不宣稱功能正確性或普遍優越性。 ## 相關性與範圍 ## 對於需要明確控制 AI 輔助程式碼轉換可改動哪些內容,以及程式哪些部分應維持穩定的研究,本論文最具參考價值。 1. 可控且保留結構的程式碼生成 2. 局部程式修復與有界重構 3. 原始程式碼的階層式離散表徵 4. 原始碼的遮罩式離散生成 5. 軟體成品的潛在空間控制 ## 限制 ## - 本研究僅涵蓋截短至 64 個詞元的 Python 短函式。 - 評估採用 argmax 解碼及語法或結構代理指標,而非功能等價性測試。 - 精確保存函式簽章的表現仍然薄弱。 - 較低層級的控制弱於頂層控制。 - 潛在位置尚未與 AST 範圍、函式簽章或控制流程結構等語意區域對齊。 - 這些結果尚不足以證實實務修復、重構或儲存庫層級變更的正確性。 ## 論文引用的參考文獻 ## 這些條目對應論文 PDF 中按編號排列的參考文獻章節。 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 . ## 資源與可重現性 ## ### 資料聲明 ## 版本 ## 1. **正式出版版本** [ACM FSE Companion, 2026](https://doi.org/10.1145/3803437.3807386) 2. **作者手稿** [可擷取文字的定稿版手稿,含最終作者名單與 DOI](https://aogavrilov.com/publications/inspectable-control/paper.pdf) 3. **外部全文鏡像** [Hugging Face 上採用 CC BY 4.0 的作者稿](https://huggingface.co/datasets/aogavrilov/inspectable-control-results/resolve/main/paper.pdf) 4. **開啟儲存庫紀錄** [由 OpenAIRE 收錄索引的 Zenodo 紀錄](https://zenodo.org/records/21605395) 5. **開啟儲存庫全文** [Zenodo CC BY 4.0 作者手稿;文字內容與本機手稿相同](https://zenodo.org/records/21605395/files/fse2026-posters-final11%20%284%29.pdf?download=1) 6. **作者資源** [海報與簡報](https://aogavrilov.com/publications/inspectable-control/media/) 7. **書目紀錄** [DBLP](https://dblp.org/rec/conf/sigsoft/GavrilovGMMM26) 8. **開啟學術紀錄** [OpenAlex](https://openalex.org/W7169573479) 9. **引用圖譜紀錄** [Semantic Scholar](https://www.semanticscholar.org/paper/93c3de037596ce177d9d882d214ccad5c5405b00) 10. **作者分享的全文** [ResearchGate](https://www.researchgate.net/publication/410435483_Inspectable_Control_for_Structure-Preserving_Software_Regeneration) 11. **白話摘要** [讚賞](https://www.growkudos.com/publications/10.1145%252F3803437.3807386/reader) 已發布的 DOI 是主要書目識別符。本頁在各版本間皆維持為唯一的專案標準 URL。 ## 相關出版成果 - [Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization](https://aogavrilov.com/zh-hant/publications/where-quality-breaks/) 閱讀 [可控程式碼編輯](https://aogavrilov.com/zh-hant/projects/discrete-latent-generation/) 研究指南。 [關於作者](https://aogavrilov.com/about/) . ### 聚焦研究筆記 針對特定意圖提供答案,明確標示證據邊界,並附上返回本文的連結。 - [運用生成模型進行局部程式碼修改](https://aogavrilov.com/zh-hant/research-notes/localized-code-modification-generative-models/) - [面向軟體工程的受約束程式碼生成](https://aogavrilov.com/zh-hant/research-notes/constrained-code-generation-software-engineering/) - [AI 輔助重構:方法與證據](https://aogavrilov.com/zh-hant/research-notes/ai-assisted-refactoring-evidence/) - [可預測的程式碼生成需要保留契約](https://aogavrilov.com/zh-hant/research-notes/predictable-code-generation-preservation-contract/)