证据有边界的技术答案

研究笔记

这些页面从实际问题出发,分别说明可执行步骤、目前已有的证据, 以及引用工作尚不能证明的内容。

分享这些研究笔记Share

聚焦式答案

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。

应如何比较码空间与 token 空间的掩码扩散语言建模?

阅读证据笔记

聚焦式答案

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。

如何让生成模型修改代码而不重写整个函数?

阅读证据笔记

聚焦式答案

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。

受约束代码生成在软件工程流程中能够保证什么?

阅读证据笔记

聚焦式答案

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。

评估 AI 辅助、行为保持的重构时,哪些方法和证据最重要?

阅读证据笔记

聚焦式答案

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。

什么使代码生成具有可预测性,而不只是可控制?

阅读证据笔记

这些笔记是什么

它们是进入两项已发表研究及其邻近方法的维护型入口,不是新的实验、 产品主张,也不能替代正式论文。所有数值陈述都保留原实验设置与局限。