Стол слева Абстракт и 1.Введение Контекст, методы и задачи 3 Смешанные результаты 3.2 Качество и производительность Обучение и затраты 3.4 4 Модераторы 4.1 Типы задач и сложность 4.2 Совместимость 4.3 Коммуникации 4.4 Сотрудничество 5.4 Логистика Дискуссия и будущая работа LLM, ваш партнер программистов? 5.2 LLM, Лучший программист? 5.3 LLM, студенты PAIr Programmer? Заключение, признания и ссылки 5.2 LLM, Лучший программист? Как было рассмотрено в разделе 3, предыдущая литература исследовала различные меры для оценки различных аспектов программирования человеко-человеческой пары, в то время как текущее исследование в программировании человеко-AI пары довольно ограничено. Мурильо и Д’Анжело [54] предложили метрики оценки для помощников по написанию креативного кода на основе LLM в области программного обеспечения. Больше работ может использовать более действительные меры в литературе по программированию человеко-человеческой пары, чтобы исследовать, как лучше всего помочь людям и помощникам по программированию ИИ на основе LLM сотрудничать вместе. Предыдущая литература предполагала некоторые ключевые факторы успеха программирования человеко-человеческой пары, как обобщено в Таблице 1. Эти модераторы, которые вызывают проблемы для программирования человеко-человеческой пары, могут давать возможности для изучения в программировании человеко-человеко-человеко-человековой пары (Таблица 2). Например, самоэффективность может привести к разнице в удовлетворении [81] и пол может привести к разнице в обучении [47], влияют ли эти модераторы совместимости на pAIr? Могут ли эти факторы быть реализованы для программирования в паре человека-ИИ? сделают ли они программирование в паре человека-ИИ более эффективным, менее эффективным или не оказывают никакого влияния, и почему? Как мы знаем из литературы по программированию человеко-человеческой пары, важна хорошая совместная задача правильной сложности, но создание или выбор таких задач может быть затруднительным. Между тем, LLM помогают педагогам эффективно генерировать учебные материалы, такие как вопросы [85], вопросы-ответы [40], отзывы [20] и подсказки [61], которые могут быть схожими по качеству с контентом, написанным человеком. Есть также работа, которая предположила предварительный успех в использовании LLM, чтобы разбить проблемы на подзадания [78]. Поэтому, основываясь на понимании из литературы по программированию человеко-человеческой пары и известных возможностей LLM, есть открытый вопрос, чтобы исследовать в программировании человека-AI pr: может ли LLM Типы задач и сложность. - Экспертиза. В плане знаний о факторах совместимости, литература по программированию пар предполагает, что сопоставление партнеров с аналогичным уровнем знаний может быть лучшим в продвижении производительности и обучения [5, 16, 31]. Исследования оценки показывают, что модели на основе GPT3 могут быть студентом выше среднего уровня в классе CS1 [22, 68] и его производительность ухудшается, когда код становится более сложным [89]. GPT4 еще лучше решает вводные и базовые проблемы программирования (хотя его правильность все еще не сопоставима с разработчиком на практике) [14]. Мы также можем целенаправленно генерировать ошибки и позволять моделям делать ошибки [38], поэтому, потенциально, мы можем создать партнера по ИИ с аналогичным уровнем навыков для совместимости Исследователи исследовали, как позволить LLM генерировать взаимодействие на основе спроектированной личности и разумно копировать человеческое поведение [1, 34], а в образовании, Cao [15] позволили LLM взаимодействовать со студентами, играя роль в качестве различных вымышленных персонажей, чтобы помочь уменьшить беспокойство студентов и увеличить мотивацию. Есть возможности персонализировать партнера ИИ с различными чертами личности или другими факторами совместимости, такими как пол, этническая принадлежность и самооценка, что Salleh et al. [70] предложил. Другие факторы совместимости. Для общения мы знаем социальный аспект предмета беседы [17] и что некоторые типы дискурса могут быть более эффективными для облегчения дебютирования [55] в программировании человеко-человеческой пары. поэтому, поскольку на основе LLM-инструменты, такие как ChatGPT, могут имитировать социальное взаимодействие, было бы интересно исследовать, может ли LLM поддерживать различные типы коммуникаций, различные компоненты коммуникации могут быть воспроизведены в программировании помощника на основе LLM, и является ли он эффективным или нет. Коммуникации С точки зрения сотрудничества, часто сообщается, что создание плавного сотрудничества является вызовом как в отрасли [11], так и в образовательном контексте [57, 87]. Учитывая, что проблема свободного водителя снижает эффективность программирования в паре [57] и регулярное переключение ролей потенциально облегчает когнитивную нагрузку водителя и обеспечивает сбалансированные результаты обучения [5, 83], было бы интересно исследовать, можно ли на основе LLM настроить ИИ, чтобы избежать чрезмерной помощи, поддерживать переключение ролей, и как лучше всего поддержать пару человека-ИИ для сотрудничества. сотрудничество С точки зрения логистики, использование Copilot в качестве партнера по программированию может иметь особое преимущество в избежании логистики планирования, но есть также проблемы по отчетности, которые необходимо решить [12, 22].В целом, будут этические риски и социальные последствия использования ИИ в паре программирования на рабочем месте и в образовательных контекстах, которые нуждаются в более глубоком рассмотрении в будущих работах. Логистика 
 
 
 
 
 Авторы : (1) Qianou Ma (соответствующий автор), Университет Карнеги Меллон, Питтсбург, США (qianouma@cmu.edu); (2) Tongshuang Wu, Университет Карнеги Меллон, Питтсбург, США (sherryw@cs.cmu.edu); (3) Кеннет Кодингер, Университет Карнеги Меллон, Питтсбург, США (koedinger@cmu.edu). Authors: (1) Qianou Ma (соответствующий автор), Университет Карнеги Меллон, Питтсбург, США (qianouma@cmu.edu); (2) Tongshuang Wu, Университет Карнеги Меллон, Питтсбург, США (sherryw@cs.cmu.edu); (3) Кеннет Кодингер, Университет Карнеги Меллон, Питтсбург, США (koedinger@cmu.edu). 
 
 Эта статья доступна в архиве под лицензией CC BY-NC-SA 4.0 DEED. Эта бумага является Лицензия CC BY-NC-SA 4.0 DEED. Доступно в архиве Доступно в архиве

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

Pair Programming AI Agent 

undefined's blog

Этот звук создан на языке оригинала истории!

Слишком долго; Читать

Make resilience your competitive advantage

Когда ваша пара программистов - бот с границами

About Author

КОММЕНТАРИИ

БИРКИ

ЭТА СТАТЬЯ БЫЛА ПРЕДСТАВЛЕНА В

Related Stories

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

От форумов до лент новостей: как алгоритмы социальных сетей формируют цифровое взаимодействие

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Создание криптопродуктов, ориентированных на пользователя: важность отзывов клиентов

От форумов до лент новостей: как алгоритмы социальных сетей формируют цифровое взаимодействие

Невидимые слои: почему интервью с пользователями являются незаменимым активом

Как улучшить ваш рабочий процесс в 10 раз: 17 основных приложений

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps