逻辑错误解码：学生与大型语言模型的缺陷检测比较研究

探索大型语言模型（LLMs）在检测和提供对逻辑错误的新手友好解释方面的性能，结合学生和模型响应的混合方法分析，观察到 LLMs 在逻辑错误识别方面的显著改进，认为两代 LLMs 在性能上显著优于学生。我们提出了如何将这些模型整合到计算机教育工具中，并讨论它们在支持学生学习编程方面的潜力。

该研究探索了大型语言模型（LLMs）在检测和解释逻辑错误方面的性能。通过分析学生和模型响应的混合方法，发现LLMs在逻辑错误识别方面有显著改进，认为两代LLMs在性能上优于学生。研究提出了将这些模型整合到计算机教育工具中的方法，并讨论了它们在支持学生学习编程方面的潜力。