问题出在编解码器还是生成器？
先区分重建损失与潜变量生成损失，再决定把算力投入哪个阶段。
定位发生故障的阶段让生成过程保持可检查。
我研究表示方式、压缩和可控性如何影响生成文本与代码的质量，并把论文证据整理成可直接使用的诊断路径。
查看全部论文从研究问题开始
局部且可预测的代码编辑
用显式保持契约防止整段函数被重写，并比较选择性再生成、约束生成与 AI 辅助重构。
选择代码编辑控制面码空间还是 token 空间 MDLM？
使用同一解码文本评估器比较两者，同时计入有损编解码器设定的质量上限。
比较论文报告的各阶段研究论文
查看全部论文Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
压缩短文本生成中的质量断点：分阶段瓶颈定位
该工作提出可复用的分阶段诊断协议，在统一评分器下区分编解码器损失与潜在生成损失，从而帮助研究者先优化真正限制最终质量的组件。
Inspectable Control for Structure-Preserving Software Regeneration
面向结构保持软件再生成的可检查控制方法
该工作把“哪些程序结构必须保持不变”转化为可检查的离散潜在控制点，并在结构稳定性与编辑自由度之间给出可量化的权衡。