?arXiv 30-Oct-2025 LLM相关论文(46/53)
?更多论文见主页/合集
?arXiv ID: arXiv:2510.25662
?论文标题: User Misconceptions of LLM-Based Conversational Programming Assistants
? 问题背景
随着LLM驱动的对话式编程助手（如ChatGPT）的普及，用户尤其是初学者容易对其能力产生误解。不同模型版本和扩展功能（如网络搜索、代码执行）的差异，导致用户对系统能力的认知存在偏差。
? 研究动机
这些误解可能导致过度依赖、低效实践或代码质量控制不足。研究团队旨在系统性地梳理用户在使用LLM编程助手时可能存在的认知误区，为工具设计提供改进方向。
? 方法简介
研究采用两阶段方法：首先通过文献分析和经验总结，头脑风暴并分类潜在的用户误解；其次基于公开的WildChat数据集，对500个Python编程对话进行定性分析，验证这些误解在真实场景中的表现。
? 实验设计
实验聚焦于分析用户对话日志，识别对网络访问、代码执行、非文本输出等功能的错误预期。结果显示，用户常误判工具的实时能力和知识范围，尤其在调试和验证代码时表现明显。
?更多论文见主页/合集
?arXiv ID: arXiv:2510.25662
?论文标题: User Misconceptions of LLM-Based Conversational Programming Assistants
? 问题背景
随着LLM驱动的对话式编程助手（如ChatGPT）的普及，用户尤其是初学者容易对其能力产生误解。不同模型版本和扩展功能（如网络搜索、代码执行）的差异，导致用户对系统能力的认知存在偏差。
? 研究动机
这些误解可能导致过度依赖、低效实践或代码质量控制不足。研究团队旨在系统性地梳理用户在使用LLM编程助手时可能存在的认知误区，为工具设计提供改进方向。
? 方法简介
研究采用两阶段方法：首先通过文献分析和经验总结，头脑风暴并分类潜在的用户误解；其次基于公开的WildChat数据集，对500个Python编程对话进行定性分析，验证这些误解在真实场景中的表现。
? 实验设计
实验聚焦于分析用户对话日志，识别对网络访问、代码执行、非文本输出等功能的错误预期。结果显示，用户常误判工具的实时能力和知识范围，尤其在调试和验证代码时表现明显。