LLM 代码解释能否适应不同问题解决者的需求？

大语言模型 (LLM) 代码解释可以支持人们解决与代码相关的问题，但先前的工作表明人们有不同的解决问题的风格。如果解释不能满足人们解决问题的需求，他们的工作效率可能会降低，并错过学习和成长的机会。尽管一些研究已经研究了 LLM 如何使它们的输出适应用户的年龄或专业知识，但之前没有研究研究过 LLM 如何使它们的代码解释适应人们的问题解决风格。为了弥补这一差距，我们根据既定的包容性设计方法开发了提示，该方法考虑了 5 种类型的问题解决风格，并从 6 个开放权重 LLM 生成了 1,072 个代码解释。使用自然语言处理技术，我们发现了 13 种语言适应的分类法，每种适应都得到了来自文献、提示或 LLM 输出的证据的支持。他们还显示了哪个 LLM 比其他人更频繁地修改其代码解释。本文首次研究了 LLM 代码解释中的问题解决风格适配，贡献了两种解决问题的适配方法：每个适配的声明性语句和 10 种问题解决风格提示。