लेखक:  (1) ज़ियू झोउ, स्कूल ऑफ कंप्यूटर साइंस, वुहान विश्वविद्यालय, वुहान, चीन;  (2) पेंग लियांग, स्कूल ऑफ कंप्यूटर साइंस, वुहान विश्वविद्यालय, वुहान, चीन;  (3) ज़ेंगयांग ली, स्कूल ऑफ कंप्यूटर साइंस, सेंट्रल चाइना नॉर्मल यूनिवर्सिटी, वुहान, चीन;  (4) आकाश अहमद, स्कूल ऑफ कंप्यूटिंग एंड कम्युनिकेशंस, लैंकेस्टर यूनिवर्सिटी लीपज़िग, लीपज़िग, जर्मनी;  (4) मोजतबा शाहीन, स्कूल ऑफ कंप्यूटिंग टेक्नोलॉजीज, आरएमआईटी यूनिवर्सिटी, मेलबर्न, ऑस्ट्रेलिया;  (4) मुहम्मद वसीम, सूचना प्रौद्योगिकी संकाय, ज्यवास्किला विश्वविद्यालय, ज्यवस्किला, फिनलैंड।  चतुर्थ. बहस    RQ1 और RQ2 के परिणामों के अनुसार, संगतता समस्या दूसरी सबसे बड़ी श्रेणी है, और संपादक/आईडीई संगतता समस्या वह कारण है जो कई उपयोग संबंधी समस्याओं को जन्म देती है। उपयोगकर्ताओं के दृष्टिकोण से, हमने कोपायलट के कॉन्फ़िगरेशन और सेटिंग्स से संबंधित विवरणों के बारे में बहुत सारी चर्चाएँ देखी हैं, जो संशोधित कॉन्फ़िगरेशन/सेटिंग को दूसरा सबसे अधिक उपयोग किया जाने वाला समाधान बनाता है। इसके अतिरिक्त, अनुचित कॉन्फ़िगरेशन/सेटिंग समस्याओं का पांचवां सबसे आम कारण है। निष्कर्षों के आधार पर, हमारा मानना है कि अनुकूलता बढ़ाने और उपयोगकर्ताओं के लिए कोपायलट की कॉन्फ़िगरेशन प्रक्रिया को सरल बनाने से उनके अनुभव में काफी सुधार हो सकता है। इसलिए, कोपायलट टीम अधिक विस्तृत इंस्टॉलेशन और कॉन्फ़िगरेशन दिशानिर्देश प्रदान कर सकती है, उपयोगकर्ता के अनुकूल कॉन्फ़िगरेशन विकल्प प्रदान कर सकती है, और नियमित अपडेट और रखरखाव कर सकती है। विभिन्न आईडीई और संपादकों में अनुकूलता बढ़ाएं और कोपायलट के कॉन्फ़िगरेशन को सरल बनाएं।    123 फ़ंक्शन अनुरोधों में से, हमने विभिन्न पहलुओं में कोपायलट के व्यवहार को अनुकूलित करने के लिए ऐसे अनुरोधों के 52 उदाहरणों की पहचान की, जो लगभग 50% है। कुछ सामान्य अनुरोध फ़ाइल प्रकार या कार्यक्षेत्र निर्दिष्ट करते हैं जिसमें कोपायलट स्वचालित रूप से चलता है (11), सुझाव स्वीकार करने के लिए शॉर्टकट कुंजियों को संशोधित करें (10), कोड सुझावों को पंक्ति-दर-पंक्ति या शब्द-दर-शब्द स्वीकार करें (9), कोपायलट को रोकें कुछ प्रकार के सुझाव उत्पन्न करने से (उदाहरण के लिए, फ़ाइल पथ, टिप्पणियाँ) (3), और टेक्स्ट रंग और फ़ॉन्ट कॉन्फ़िगर करें (3)। झांग एट अल द्वारा अध्ययन में। [19], उन्होंने यह भी संकेत दिया कि उपयोगकर्ताओं को सुझावों के लिए अनुकूलन की अनुमति देना आवश्यक है। इसके अलावा, खराब कार्यक्षमता अनुभव (उदाहरण के लिए, कोपायलट के ऑटो-सुझावों को ध्यान भटकाने वाला मानना, जिसका उल्लेख बर्ड एट अल द्वारा अध्ययन में भी किया गया है। [20]) के अनुसार, हम कोपायलट के व्यवहार को अनुकूलित करने की मांग को समझ सकते हैं। परिणामों के अनुसार, हमारा मानना है कि कोपायलट का व्यवहार किस हद तक उपयोगकर्ताओं की व्यक्तिगत कोडिंग आदतों के अनुकूल हो सकता है, यह कोपायलट का उपयोग करने के उनके निर्णय में एक महत्वपूर्ण कारक है। इसलिए, लचीले और उपयोगकर्ता के अनुकूल अनुकूलन विकल्प प्रदान करना अत्यधिक फायदेमंद है। इसके अलावा, यह पता लगाना सार्थक है कि एआई कोडिंग टूल को उपयोगकर्ताओं के साथ कैसे इंटरैक्ट करना चाहिए और इन टूल को व्यावहारिक विकास में कैसे एकीकृत करना चाहिए। उपयोगकर्ताओं को अपने स्वयं के वर्कफ़्लो के साथ संरेखित करने के लिए कोपायलट के व्यवहार को अनुकूलित करने की अनुमति देने के लिए अधिक अनुकूलन विकल्पों की आवश्यकता है।    तालिका IV से, यह देखा जा सकता है कि अधिकांश समाधानों का उद्देश्य उपयोग के मुद्दे और संगतता के मुद्दे को संबोधित करना है, जबकि सुझाव सामग्री के मुद्दे के लिए थोड़ी मात्रा में समाधान हैं। 69 सुझाव सामग्री मुद्दों में से, हमने केवल 5 समाधानों की पहचान की, जो दर्शाता है कि उपयोगकर्ताओं को कोपायलट द्वारा सुझाए गए सामग्री के मुद्दों के लिए आदर्श समाधान प्रदान करना चुनौतीपूर्ण हो सकता है। यह आंशिक रूप से इस कारण से है कि उपयोगकर्ताओं के पास कोड और कोड टिप्पणियों के अलावा कोपायलट की कोड पीढ़ी को नियंत्रित करने के सीमित तरीके हैं। इसलिए सुझाव सामग्री समस्या को संबोधित करने के लिए अतिरिक्त तरीकों की आवश्यकता होती है, उदाहरण के लिए, डेवलपर्स को कोपायलट के साथ बातचीत करने और जेनरेट किए गए कोड को तब तक पुनरावृत्त करने की अनुमति देना जब तक कि कोड डेवलपर्स की अपेक्षा तक नहीं पहुंच जाता। उपयोगकर्ताओं को कोपायलट द्वारा उत्पन्न सामग्री को नियंत्रित करने के लिए और अधिक तरीकों की आवश्यकता है।    सुझाव सामग्री मुद्दों में, प्रमुख प्रकार निम्न गुणवत्ता वाले सुझाव (27) और निरर्थक सुझाव (13) हैं। इमाई एट अल द्वारा प्रयोग। [9] पाया गया कि, मानव जोड़ी प्रोग्रामिंग की तुलना में, कोपायलट, जबकि महत्वपूर्ण मात्रा में कोड उत्पन्न करने में सक्षम है, परीक्षण के दौरान अधिक कोड हटाए गए, जिससे कोपायलट की कोड गुणवत्ता में सुधार की आवश्यकता पर प्रकाश डाला गया। बर्ड एट अल. [20] देखा गया कि कोपायलट कभी-कभी अजीबोगरीब और निरर्थक कोड सुझाव पेश करता है, जैसा कि उपयोगकर्ताओं द्वारा बताया गया है, जिनमें से कुछ में व्यक्तिगत जानकारी भी शामिल हो सकती है। इसके अलावा, हालांकि असुरक्षित सुझाव और कम प्रभावी सुझाव प्रत्येक के केवल दो उदाहरण हैं, हमारा मानना है कि यह मुख्य रूप से उपयोगकर्ताओं को इस प्रकार के मुद्दों का पता लगाने में कठिनाई का सामना करने और उन्हें रिपोर्ट करने के लिए कम इच्छुक होने के कारण है। पियर्स एट अल. [6] पाया गया कि कोपायलट द्वारा उत्पन्न 1,689 कोड स्निपेट में से 40% असुरक्षित थे। कोपायलट के क्रमिक पुनरावृत्तियों को देखते हुए, इसके सुझावों की गुणवत्ता का नियमित मूल्यांकन करना अनिवार्य हो जाता है। कोपायलट जनरेट किए गए कोड की गुणवत्ता में सुधार करें।    हमारे शोध में, अतुलनीय सुझाव (8) को चौथे सबसे आम सुझाव सामग्री मुद्दे के रूप में स्थान दिया गया है। कुछ उपयोगकर्ताओं ने कोड सुझावों के अत्यधिक लंबे होने की समस्या का उल्लेख किया, जिसके परिणामस्वरूप पठनीयता कम हो गई। यह इंगित करता है कि जब कोपायलट अपेक्षाकृत जटिल सुझाव प्रदान करता है, या जब उपयोगकर्ताओं के पास किसी विशेष डोमेन में कोडिंग अनुभव की कमी होती है, तो कोड तर्क को समझना और इसकी शुद्धता की पुष्टि करना समय लेने वाला हो सकता है। वांग एट अल द्वारा अध्ययन। [21] दर्शाता है कि एआई-जनरेटेड कोड का उपयोग करने से महत्वपूर्ण समीक्षा दबाव हो सकता है। इसलिए, हमारा मानना है कि एआई कोडिंग टूल (उदाहरण के लिए, कोपायलट) सॉफ्टवेयर विकास में विभिन्न कार्यों पर खर्च होने वाले समय के आवंटन को बदल देगा। हमने कोड स्पष्टीकरण से संबंधित चार फीचर अनुरोध देखे हैं, और कोपायलट टीम इस कार्यक्षमता के विस्तार पर महत्वपूर्ण जोर देती है। कोपायलट एक्स में पेश किया गया चैट फीचर [15] पहले से ही विस्तृत कोड स्पष्टीकरण प्रदान करने में सक्षम है, जबकि इसकी सटीकता के लिए बाद के चरणों में और प्रयोगात्मक मूल्यांकन की आवश्यकता है। कोपायलट के उपयोग से कोडिंग प्रक्रिया बदल जाती है और कोड सुझावों को सत्यापित करने की समय लागत बढ़ जाती है, जिससे कोड स्पष्टीकरण अत्यधिक महत्वपूर्ण हो जाता है।    कॉपीराइट और पॉलिसी इश्यू की संख्या हमारी अपेक्षा से थोड़ी अधिक है, और हमने डेटा निष्कर्षण प्रक्रिया के दौरान उपयोगकर्ताओं और GitHub रिपॉजिटरी मालिकों दोनों की कई चिंताओं को देखा। पक्षी और अन्य. [20] इस बात पर भी कुछ चर्चा हुई कि कॉपीराइट कोपायलट के कोड सुझावों पर कैसे लागू होता है। हमारे शोध का लक्ष्य ऐसे मुद्दों और कोपायलट की गैर-खुला स्रोत प्रकृति का मूल्यांकन प्रदान करना नहीं है, क्योंकि यह एक जटिल समस्या है जो कोपायलट के लक्ष्य, लक्षित उपयोगकर्ताओं और व्यवसाय मॉडल जैसे विभिन्न कारकों पर निर्भर करती है। हालाँकि, हमारा तर्क है कि कोपायलट टीम इन समस्याओं के समाधान के लिए उपाय कर सकती है, उपयोगकर्ता की गोपनीयता और बौद्धिक संपदा की रक्षा करते हुए स्थिर और उच्च गुणवत्ता वाली कोड जनरेशन सेवाएं प्रदान कर सकती है। बौद्धिक संपदा और कॉपीराइट पर विचार करें।  यह पेपर है  सीसी 4.0 लाइसेंस के तहत।   arxiv पर उपलब्ध है

AI Models on HackerNoon

यह ऑडियो कहानी की मूल भाषा में निर्मित है!

गुणवत्ता और अनुपालन सुनिश्चित करना: सह-पायलट उपयोग के साथ चुनौतियों का समाधान करना

About Author

टिप्पणियाँ

लेबल

इस लेख में चित्रित किया गया था

Related Stories

उपयोगकर्ता-केंद्रित क्रिप्टो उत्पाद बनाना: ग्राहक प्रतिक्रिया का महत्व

इन 18 डेवलपर टूल के साथ अपनी उत्पादकता बढ़ाएँ 🚀🔥

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

क्लाउड सॉनेट 3.5 सिस्टम प्रॉम्प्ट लीक: एक फोरेंसिक विश्लेषण

उपयोगकर्ता-केंद्रित क्रिप्टो उत्पाद बनाना: ग्राहक प्रतिक्रिया का महत्व

इन 18 डेवलपर टूल के साथ अपनी उत्पादकता बढ़ाएँ 🚀🔥

डिजिटल खानाबदोशों सुनो: थाईलैंड के नए डीटीवी वीज़ा के बारे में आपको क्या जानना चाहिए

क्लाउड सॉनेट 3.5 सिस्टम प्रॉम्प्ट लीक: एक फोरेंसिक विश्लेषण

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps