[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

सहायता या व्यवधान? सक्रिय AI प्रोग्रामिंग सहायता के डिज़ाइन और समझौतों का अन्वेषण और मूल्यांकन

Created by
  • Haebom

लेखक

केविन पु, डैनियल लाज़ारो, इयान अरावजो, हैजुन ज़िया, ज़ियांग ज़ियाओ, टोवी ग्रॉसमैन, यान चेन

रूपरेखा

यह पत्र कोडेलबोरेटर, एक डिज़ाइन-प्रोबिंग एलएलएम एजेंट का परिचय और मूल्यांकन करता है जो प्रोग्रामिंग कार्य के दौरान संपादक गतिविधि और कार्य संदर्भ के आधार पर प्रोग्रामिंग सहायता शुरू करता है। हम तीन इंटरफ़ेस विविधताओं में तेजी से प्रमुख एआई सहायता के बीच ट्रेड-ऑफ का पता लगाते हैं: केवल-प्रॉम्प्ट, प्रोएक्टिव एजेंट, और उपस्थिति और संदर्भ के साथ प्रोएक्टिव एजेंट। 18 प्रतिभागियों के साथ किए गए प्रयोगों से पता चलता है कि प्रोएक्टिव एजेंट केवल-प्रॉम्प्ट दृष्टिकोणों की तुलना में अधिक कुशल हैं, लेकिन वर्कफ़्लो में विघटनकारी हो सकते हैं। हालांकि, उपस्थिति संकेतक और इंटरैक्शन संदर्भ समर्थन व्यवधान को कम करते हैं और एआई प्रक्रिया के बारे में उपयोगकर्ताओं की जागरूकता में सुधार करते हैं। हम उपयोगकर्ता नियंत्रण, स्वामित्व और कोड समझ के संबंध में कोडेलबोरेटर के ट्रेड-ऑफ को उजागर करते हैं

Takeaways, Limitations

Takeaways:
पूर्व-निवारक एआई एजेंट, शीघ्र-आधारित दृष्टिकोणों की तुलना में प्रोग्रामिंग दक्षता को बढ़ा सकते हैं।
एजेंट की उपस्थिति और प्रासंगिक जानकारी प्रदान करने से उपयोगकर्ताओं की AI प्रक्रियाओं के बारे में जागरूकता बढ़ती है और कार्यप्रवाह में व्यवधान कम होता है।
सक्रिय एआई प्रणालियों को डिजाइन करते समय, उपयोगकर्ता नियंत्रण, स्वामित्व और कोड समझ के आसपास के समझौतों पर विचार किया जाना चाहिए।
यह जानना महत्वपूर्ण है कि आपकी प्रोग्रामिंग प्रक्रिया के लिए पूर्व-प्रतिक्रियाशीलता का स्तर सही है या नहीं।
Limitations:
प्रायोगिक प्रतिभागियों की संख्या सीमित थी (N=18), जो सामान्यीकरण को सीमित करती है।
यह किसी विशेष LLM एजेंट और प्रोग्रामिंग वातावरण के लिए विशिष्ट परिणाम हो सकता है।
उपयोगकर्ता की प्रोग्रामिंग दक्षता के आधार पर प्रभाव विश्लेषण का अभाव है।
दीर्घकालिक उपयोग के दौरान उत्पन्न होने वाली संभावित समस्याओं पर विचार नहीं किया गया है।
👍