NeuroSync：通过直接修改LLM理解实现意图感知的代码解决问题

DOI

对话式LLM已被领域用户广泛采用，以解决领域问题。然而，这些用户经常面临意图与生成代码之间的错位，导致挫败感和多轮澄清。我们首先调查了这种错位的原因，这是由于双向歧义：用户意图和编码任务本质上都是非线性的，但必须通过线性提示和代码序列来表达和解释。为此，我们提出直接意图-任务匹配，这是一种新的人-LLM交互范式，将LLM理解外部化并允许直接操作，即在代码生成之前由LLM推断的编码任务及其关系。作为概念验证，该范式随后在NeuroSync中实现，NeuroSync采用知识蒸馏管道提取LLM理解、用户意图及其映射，并通过可视化允许用户直观地检查和编辑它们，从而增强对齐度。我们通过技术实验评估了NeuroSync的算法组件，并通过用户研究（N=12）评估了其整体可用性和有效性。结果表明，它增强了意图-任务对齐，降低了认知工作量，并提高了编码效率。