LLM辅助计算机科学教育中目标漂移的人机回路控制
人工智能
2026-04-02 v1
摘要
大语言模型（LLMs）越来越多地通过AI辅助编程工具嵌入计算机科学教育中，但此类工作流常常表现出目标漂移，即局部上合理的输出偏离指定的任务需求。现有的教学响应通常强调特定工具的提示实践，限制了其耐用性，因为AI平台在不断演进。本文采用以人为中心的立场，将人机回路（HITL）控制视为一个稳定的教育问题，而非迈向AI自主的过渡步骤。借鉴系统工程和控制论概念，我们将目标和世界模型视为学生配置以稳定AI辅助工作的操作工件。我们提出一个试点本科CS实验室课程，明确分离规划与执行，并训练学生在代码生成之前指定验收标准和架构约束。在选定实验室中，课程还引入了与概念对齐的故意漂移，以支持对规范违反的诊断和恢复。我们报告了一个三臂试点设计的灵敏度功效分析，比较了无结构AI使用、结构化规划和结构化规划加注入漂移，在现实的节级约束下建立了可检测的效果量。该贡献是一个以理论驱动、方法论明确的HITL教学基础，使控制能力可在不断演进的AI工具中跨平台教授。
引用
@article{arxiv.2604.00281,
title = {Human-in-the-Loop Control of Objective Drift in LLM-Assisted Computer Science Education},
author = {Mark Dranias and Adam Whitley},
journal= {arXiv preprint arXiv:2604.00281},
year = {2026}
}
备注
8 pages