研究札記
運用生成模型進行局部程式碼修改
如何避免不必要地改寫整個函式，同時保留足夠自由度，使生成模型得以完成所要求的程式碼變更。
直接回答
生成模型如何在不重寫整個函式的情況下修改程式碼？
在生成前界定受保全區域與可編輯區域，重用或約束受保全表示，僅生成候選變更，並拒絕會改動受保全程式碼或未通過任務特定檢查的輸出。局部性與任務成功必須一併衡量。
此項區分為何重要
方法與所宣稱的保證必須採用相同的可觀察邊界。
局部程式碼修改屬於編輯問題，而不只是較短的程式碼生成提示。輸入本身已包含值得保留的產物，因此方法必須在允許變更的區域與必須維持穩定的屬性之間，建立明確的保持邊界。
邊界可以是原始碼跨度、語法節點、API 簽章、測試行為、相依性契約或學習所得的潛在位置。這些選擇不可互換：每一種邊界保護不同的可觀察屬性，也各自需要相應的驗證步驟。
實務流程
陳述保留契約
識別可編輯區域，以及必須維持不變的確切文字、結構、介面或行為。
選擇範圍最小而仍實用的控制介面
重用未變更的原始碼片段、採用填補式或編輯導向解碼、施加形式約束，或依所需屬性鎖定選定的潛在位置。
僅在允許變更之處進行生成
在可編輯區域內保留足以完成任務的自由度；複製整個輸入雖具局部性，卻無法推進任務。
同時驗證局部性與成功與否
拒絕會變更受保護區域、無法通過剖析或編譯、違反結構不變量，或未滿足所要求變更的候選結果。
必須具備的證據
一項主張的可信度，取決於生成或解碼後實際量測的性質所能提供的證據強度。
- 區域外差異，或其他直接衡量受保護區域穩定性的指標。
- 可編輯區域內的任務成功情形。
- 視情況採用剖析、編譯、測試、靜態檢查或任務特定不變量。
- 衡量可編輯區域的變更率，以免將複製誤認為控制。
- 評估候選結果的獨特性與重複執行時的變異，以免將局部性誤認為模式崩潰。
所連結研究的報告內容
- 連結的實驗將含 64 個詞元的 Python 函式壓縮為階層式離散位置，並在部分約束下重新生成選定的潛在位置。
- 鎖定四個頂層編碼後，剖析率從 0.453 提升至 0.591；未鎖定位置的變更率為 0.936，條件樣本的唯一性則維持在 0.998。
- 這些量測揭示詞元層級之上的穩定性與自由度權衡；它們並未證明能精確保留原始碼範圍、AST、語意或行為。
範圍邊界
- 鎖定的潛在編碼不會自動成為 AST 節點、受保護的原始碼區段或形式不變量。
- 剖析成功率只能確認語法形式良好，無法確認功能正確或修復成功。
- 所報告的證據來自經前處理的短 Python 函式，尚不足以確立儲存庫規模下的行為。
主要與鄰近文獻來源
原始方法、量測結果與明列限制，請參閱所連結的論文。
- Inspectable Control for Structure-Preserving Software Regeneration
主要論文與具邊界約束的階層式潛在實驗。
- EfficientEdit: Accelerating Code Editing via Edit-Oriented Speculative Decoding
以編輯為導向的解碼，重複利用來源中未變更的區域。
- PAFT: Preservation Aware Fine-Tuning for Minimal-Edit Program Repair
在程式修復訓練中明確納入保持與最小變更。