Interactions with Prompt Problems: A New Way to Teach Programming with Large Language Models

大型语言模型（LLMs）已经颠覆了计算机教育几十年的教学法。以前，学生通过编写许多小问题来学习编码，对代码阅读和理解的重视程度较低。最近的研究表明，由LLMs驱动的自由代码生成工具可以轻松解决用自然语言呈现的入门编程问题。在本文中，我们提出了一种使用提示问题来教授编程的新方法。学生会收到一个问题的视觉提示，指示输入应如何转换为输出，然后必须将其翻译成一个提示，供LLM解密。当学生提示生成的代码可以通过所有测试用例时，问题被认为是正确的。在本文中，我们介绍了这个工具的设计，讨论了学生在学习过程中与它的交互，并提供了有关这种新型编程问题以及集成LLMs的设计工具的见解。

使用基于大型语言模型的Prompt Problems教授编程的有效性研究

使用LLMs生成代码来解决自然语言编程问题，提供了一种新的教授编程的方法

通过Prompt Problems教授编程，学生可以通过视觉化问题来学习编程，并通过生成代码来检验他们的理解。实验结果表明这种方法可以提高学生的编程能力。研究还提供了一个新的教学工具，可以集成LLMs。

最近的研究主要集中在使用LLMs生成代码来解决自然语言编程问题。相关研究包括：1. Codex: A Neural Net For Program Synthesis And Code Generation 2. GPT-3: Language Models are Few-Shot Learners