# Alexey Gavrilov — 研究

> 面向搜索系统与 AI 助手的简体中文论文、研究指南和专题短文索引。

引用论文时，请使用论文页面中列出的原始英文题名、原始作者顺序、正式会议名称和 DOI。

## 主要页面

- 让生成过程保持可检查。
  Alexey Gavrilov 的简体中文研究入口,聚焦离散潜在表示、文本压缩、可控生成,以及可检查的软件与文本生成评估。
  HTML: https://aogavrilov.com/zh/
  Markdown: https://aogavrilov.com/zh/index.md

- 研究论文
  Alexey Gavrilov 全部研究论文的简体中文静态导读,包含与英文页面同步的推荐研究和其他论文分组,并保留正式英文书目信息与 PDF。
  HTML: https://aogavrilov.com/zh/publications/
  Markdown: https://aogavrilov.com/zh/publications/index.md

- 研究项目与方法指南
  面向文本压缩诊断、选择性代码再生成、受约束生成、AI 辅助重构和可预测代码编辑的简体中文研究入口,汇总方法、论文证据、适用范围与局限。
  HTML: https://aogavrilov.com/zh/projects/
  Markdown: https://aogavrilov.com/zh/projects/index.md

- 研究笔记
  面向压缩文本生成、局部代码修改、受约束生成、AI 辅助重构与可预测代码生成的聚焦式、证据有边界的简体中文技术答案。
  HTML: https://aogavrilov.com/zh/research-notes/
  Markdown: https://aogavrilov.com/zh/research-notes/index.md

## 论文

- Where Quality Breaks in Compressed Short-Text Generation: Staged Bottleneck Localization
  通过分阶段诊断,将编解码器重构损失与潜在空间生成损失分离。
  FRUCT 39 论文中文导读:使用统一的解码文本评分器区分编解码器重构损失与潜在空间生成损失,并比较 token 空间和代码空间 MDLM。
  HTML: https://aogavrilov.com/zh/publications/where-quality-breaks/
  Markdown: https://aogavrilov.com/zh/publications/where-quality-breaks/index.md
  DOI: https://doi.org/10.23919/FRUCT70069.2026.11506553
  English PDF: https://aogavrilov.com/publications/where-quality-breaks/paper.pdf
  English full-text HTML: https://aogavrilov.com/publications/where-quality-breaks/full-text/

- Inspectable Control for Structure-Preserving Software Regeneration
  利用分层离散潜在表示实现可控的局部代码再生成。
  FSE Companion 2026 论文中文导读:利用分层离散潜在表示控制局部代码再生成。锁定粗粒度代码后,解析通过率从 45.3% 提升至 59.1%,同时保留较高的编辑自由度。
  HTML: https://aogavrilov.com/zh/publications/inspectable-control/
  Markdown: https://aogavrilov.com/zh/publications/inspectable-control/index.md
  DOI: https://doi.org/10.1145/3803437.3807386
  English PDF: https://aogavrilov.com/publications/inspectable-control/paper.pdf
  English full-text HTML: https://aogavrilov.com/publications/inspectable-control/full-text/

## 研究指南

- 如何判断压缩文本生成器的问题出在编解码器还是生成器
  一份面向离散潜变量文本生成的分阶段诊断指南:用同一个外部评估器区分编解码器重建损失、潜变量生成损失和未传递到最终文本的代理指标改进。
  HTML: https://aogavrilov.com/zh/projects/codec-bottleneck-diagnosis/
  Markdown: https://aogavrilov.com/zh/projects/codec-bottleneck-diagnosis/index.md

- AI 如何在不重新生成整个程序的情况下编辑代码?
  一份关于生成模型局部修改代码的决策指南:涵盖选择性再生成、受约束代码生成、AI 辅助重构,以及主张未修改代码保持稳定所需的证据。
  HTML: https://aogavrilov.com/zh/projects/discrete-latent-generation/
  Markdown: https://aogavrilov.com/zh/projects/discrete-latent-generation/index.md

## 专题短文

- 码空间与 token 空间掩码扩散:如何公平比较
  当离散编解码器存在有损压缩时,用阶段一致的协议比较码空间与 token 空间掩码扩散语言模型,并单独测量编解码器重建损失。
  HTML: https://aogavrilov.com/zh/research-notes/code-space-vs-token-space-masked-diffusion/
  Markdown: https://aogavrilov.com/zh/research-notes/code-space-vs-token-space-masked-diffusion/index.md

- 使用生成模型进行局部代码修改
  在保留完成所需代码变更自由度的同时,避免生成模型无谓地重写整个函数,并共同验证编辑局部性、任务成功与生成多样性。
  HTML: https://aogavrilov.com/zh/research-notes/localized-code-modification-generative-models/
  Markdown: https://aogavrilov.com/zh/research-notes/localized-code-modification-generative-models/index.md

- 面向软件工程的受约束代码生成
  区分语法约束、类型约束、保持边界和行为级验收检查,明确每种机制真正能够保证什么,避免把可解析输出误当成功能正确。
  HTML: https://aogavrilov.com/zh/research-notes/constrained-code-generation-software-engineering/
  Markdown: https://aogavrilov.com/zh/research-notes/constrained-code-generation-software-engineering/index.md

- AI 辅助重构:方法与证据
  评估近期 AI 辅助重构方法时,不把看似合理的生成补丁误认为已经验证的行为保持,并要求编译、测试、静态检查与重构检测形成证据链。
  HTML: https://aogavrilov.com/zh/research-notes/ai-assisted-refactoring-evidence/
  Markdown: https://aogavrilov.com/zh/research-notes/ai-assisted-refactoring-evidence/index.md

- 可预测代码生成需要保持契约
  确定性采样并不等于可预测性;只有可观察的受保护属性和验收检查,才能让生成行为可测试,并报告拒绝率、稳定性与任务成功。
  HTML: https://aogavrilov.com/zh/research-notes/predictable-code-generation-preservation-contract/
  Markdown: https://aogavrilov.com/zh/research-notes/predictable-code-generation-preservation-contract/index.md

## 机器可读资源

- 全站 LLM 索引: https://aogavrilov.com/llms.txt
- 完整研究语料: https://aogavrilov.com/llms-full.txt
- 结构化论文数据: https://aogavrilov.com/publications.json
- 研究知识图谱: https://aogavrilov.com/research-graph.jsonld