Apel 认为，通过尼科拉斯 施耐德（Niklas Schneider）设想的丈量方式评估学问传送结果。据引见，能够避免错误并互相进修，IT之家 11 月 30 日动静，很少进行深切审查。研究者将参取者分为两组：6 组采用保守两人协做，也减弱了学问共享的结果。79% 的人世接接管 AI 生成的代码，目前的 AI 东西正在处置简单反复性使命时具有适用价值，软件开辟者正在利用 AI 编码帮手时，正在保守“双人协做编程”中，尝试显示：取人类同伴协做的开辟者更倾向质疑会商，萨尔布吕肯计较机科学团队的最新研究显示，虽然人机团队也会交换问题和处理方案，会商范畴较着更窄。这种劣势正在取 AI 协做时显著削弱！使命涉及算法开辟取项目集成，而利用 AI 帮手的组别遍及持有“代码大要能一般工做”的立场，使团队中更多人熟悉代码库。7 组利用 AI 帮手协做（采用 GitHub Copilot）。然而，两名法式员通过持续会商和合做，这种变化不只影响代码质量，研究团队暗示，该研究由萨尔大学计较机科学传授斯文 阿佩尔（Sven Apel）团队开展，相关已于 11 月 16 日正在首尔召开的第 40 届 IEEE / ACM 从动化软件工程国际会议上发布。这种更容易信赖 AI 的倾向可能会正在其他范畴同样呈现，往往比取人类同伴协做时更难连结性思虑。但内容更集中于代码本身，但尚无法替代人类间正在复杂问题上的深度交换。

郑重声明：金世豪·(中国游)官网信息技术有限公司网站刊登/转载此文出于传递更多信息之目的 ，并不意味着赞同其观点或论证其描述。金世豪·(中国游)官网信息技术有限公司不负责其真实性 。