Stalas kairėje Abstrakcija ir 1 įvadas Kontekstas, metodai ir užduotys Mišri rezultatai 3.1 Kokybė ir produktyvumas 3.3 Mokymasis ir išlaidos 4 Moderatoriai 4.1 Užduočių tipai ir sudėtingumas 4.2 Suderinamumas 4.3 Komunikacijos 4.4 Bendradarbiavimas 5.3 Logistikos paslaugos Diskusijos ir būsimas darbas LLM, jūsų partnerio programuotojas? 5.2 LLM, geresnis porų programuotojas? 5.3 LLM, studentų PAIr programuotojas? Išvada, pripažinimai ir nuorodos 5.2 LLM, geresnis porų programuotojas? Kaip apžvelgta 3 skirsnyje, ankstesnėje literatūroje buvo tiriamos įvairios priemonės, skirtos įvertinti skirtingus žmogaus ir žmogaus porų programavimo aspektus, o dabartinis žmogaus ir AI porų programavimo tyrimas yra gana ribotas. Murillo ir D’Angelo [54] pasiūlė LLM pagrįstų kūrybinių kodų rašymo padėjėjų programinės įrangos inžinerijoje vertinimo metrikas. Daugiau darbų galėtų naudoti labiau galiojančias žmogaus ir žmogaus porų programavimo literatūros priemones, kad ištirtų, kaip geriausiai padėti žmonėms ir LLM pagrįstam AI programavimo padėjėjui bendradarbiauti. Ankstesnė literatūra pasiūlė keletą pagrindinių veiksnių, lemiančių žmogaus ir žmogaus porų programavimo sėkmę, kaip apibendrinama 1 lentelėje.Šie moderatoriai, kurie kelia iššūkius žmogaus porų programavimui, gali suteikti galimybių ištirti žmogaus ir AI porų programavimą (2 lentelė). Pavyzdžiui, savęs veiksmingumas gali lemti pasitenkinimo skirtumą [81] ir lytis gali lemti mokymosi skirtumą [47], ar šie suderinamumo moderatoriai taip pat veikia PAIr?Ar galime pagerinti PAIr rezultatus naudojant žmogiškojo ir žmogaus literatūros įžvalgas (pvz., imituoti AI partnerį, turintį panašų savęs veiksmingumo lygį ir tą patį lytį)? Ar šie veiksniai galėtų būti įgyvendinti žmogiškojo-AI porų programavimui? ar jie padarytų žmogiškojo-AI porų programavimą efektyvesnį, mažiau efektyvų, ar neturi jokios įtakos, ir kodėl? Kaip žinome iš žmogaus-žmogaus poros programavimo literatūros, svarbu turėti gerą bendradarbiavimo užduotį tinkamo sudėtingumo, tačiau sukurti ar pasirinkti tokias užduotis gali būti sunku. Tuo tarpu LLM padeda pedagogams efektyviai generuoti mokomąsias medžiagas, tokias kaip klausimai [85], klausimai-atsakymai [40], atsiliepimai [20] ir patarimai [61], kurie gali būti panašios kokybės kaip žmogaus sukurtas turinys. Taip pat yra darbas, kuris pasiūlė preliminarią sėkmę naudojant LLM suskaidyti problemas į subklausas [78]. Todėl, remiantis žmogaus-žmogaus poros programavimo literatūros įžvalgomis ir žinomais LLM gebėjimais, yra atviras klausimas, kurį reikia ištirti žmogaus- Užduočių tipai ir sudėtingumas. - Ekspertizė. Kalbant apie suderinamumo veiksnių patirtį, porų programavimo literatūra rodo, kad panašaus lygio patirties turinčių partnerių derinimas gali būti geriausias skatinant produktyvumą ir mokymąsi [5, 16, 31]. Vertinimo tyrimai rodo, kad GPT3 pagrindu pagrįsti modeliai gali būti virš vidurkio studentas CS1 klasėje [22, 68] ir jo našumas blogėja, kai kodas tampa sudėtingesnis [89]. GPT4 dar geriau sprendžia įvadines ir pagrindines programavimo problemas (nors jo teisingumas vis dar nėra palyginamas su kūrėju praktikoje) [14]. Mes taip pat galime tikslingai generuoti klaidas ir leisti modeliams padaryti klaidas [38], todėl potencialiai galime sukurti AI partnerį su panašiu įgūdžių ly Suderinamumas Mokslininkai išnagrinėjo, kaip leisti LLMs kurti sąveiką, pagrįstą suprojektuota persona ir pagrįstai atkurti žmogaus elgesį [1, 34], o švietimo srityje, Cao [15] leidžia LLMs bendrauti su studentais, o vaidmenų kaip skirtingų išgalvotų simbolių, siekiant padėti sumažinti studentų nerimą ir padidinti motyvaciją. Yra galimybė personalizuoti AI partnerį su skirtingais asmenybės bruožais ar kitų porų suderinamumo veiksnių, pavyzdžiui, lyties, etninės kilmės ir savigarbos, kad Salleh et al. [70] pasiūlė. Kiti suderinamumo veiksniai. Kalbant apie bendravimą, mes žinome socialinį pokalbio aspektą [17] ir kad kai kurie diskursų tipai gali būti veiksmingesni palengvinant debuggingą [55] žmogaus-žmogaus poros programavime.Taigi, kadangi LLM pagrįsti įrankiai, tokie kaip ChatGPT, gali imituoti socialinę sąveiką, būtų įdomu ištirti, ar LLM gali palaikyti skirtingus bendravimo tipus, skirtingus bendravimo komponentus galima pakartoti LLM pagrįstame programavimo asistente ir ar jis yra veiksmingas. Komunikacijos Kalbant apie bendradarbiavimą, dažnai pranešama, kad sklandus bendradarbiavimas yra sudėtingas tiek pramonėje [11], tiek švietimo kontekste [57, 87]. Atsižvelgiant į tai, kad laisvai samdomų vairuotojų problema sumažina porų programavimo efektyvumą [57] ir reguliarus vaidmenų perjungimas gali sumažinti vairuotojo pažinimo naštą ir užtikrinti subalansuotus mokymosi rezultatus [5, 83], būtų įdomu ištirti, ar LLM pagrįstas AI gali būti konfigūruotas siekiant išvengti pernelyg didelės pagalbos, palaikyti vaidmenų perjungimą ir kaip geriausiai remti žmogaus-AI porą bendradarbiauti. Bendradarbiavimas Logistikos požiūriu, „Copilot“ naudojimas kaip programavimo partneris gali turėti ypatingą pranašumą išvengiant planavimo logistikos, tačiau taip pat yra atsakomybės problemų, kurias reikia spręsti [12, 22]. Logistikos 
 
 
 
 
 Autorių : (1) Qianou Ma (korespondentas autorius), Carnegie Mellon universitetas, Pittsburgh, JAV (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon universitetas, Pittsburgh, JAV (sherryw@cs.cmu.edu); (3) Kenneth Koedinger, Carnegie Mellon universitetas, Pittsburgh, JAV (koedinger@cmu.edu). Authors: (1) Qianou Ma (korespondentas autorius), Carnegie Mellon universitetas, Pittsburgh, JAV (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon universitetas, Pittsburgh, JAV (sherryw@cs.cmu.edu); (3) Kenneth Koedinger, Carnegie Mellon universitetas, Pittsburgh, JAV (koedinger@cmu.edu). 
 
 Šis dokumentas yra prieinamas archive pagal CC BY-NC-SA 4.0 DEED licenciją. Šis dokumentas yra prieinamas archive pagal CC BY-NC-SA 4.0 DEED licenciją. Prieinama archyve

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Pair Programming AI Agent 

undefined's blog

Šis garso įrašas sukurtas originalia istorijos kalba!

Per ilgai; Skaityti

Make resilience your competitive advantage

Kai jūsų poros programuotojas yra robotas su ribomis

About Author

KOMENTARAI

PABAIGTI ŽYMES

ŠIS STRAIPSNIS BUVO PRISTATYMAS

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps