Learning by Teaching: Engaging Students as Instructors of Large Language Models in Computer Science

一、论文主要内容

该论文聚焦计算机科学（CS）教育领域，针对大型语言模型（LLMs）作为虚拟导师时易导致学生被动学习和过度依赖的问题，提出了一种“以教代学”的新型教学范式，并开发了配套系统Socrates。

1. 核心背景与问题

• LLMs在自然语言处理任务（如代码生成、问答等）中表现出色，常被用于CS教育中的虚拟导师角色，辅助学生理解概念、调试代码等。
• 但传统LLM教学模式存在显著风险：一方面可能引发学术不端问题；更关键的是，学生可能过度依赖LLM进行推理，无法自主构建知识体系，形成被动学习，阻碍实践能力发展。

2. 解决方案：“以教代学”范式与Socrates系统

• 教学范式设计：反转LLM与学生的角色，让学生作为“教师”，需通过设计提示词教会LLM解决特定问题。此设计基于“ protegé效应”——教学行为能深化“教师”自身对知识的理解与掌握。
• 问题设计策略：为确保LLM无法独立解题，需设计“LLM难题”，主要有两种策略：
  • 构建非现实场景：将已知概念嵌入全新且规则复杂的情境（如自定义符号与大小写结合的数字系统、虚构的汇编指令），LLM无法从训练数据中获取相关规则，需学生明确定义。
  • 融入指导性数学推理：针对LLM在多步骤推理中的短板，要求学生引导LLM完成逻辑推导（如布尔函数转换为最小项之和形式的分步操作），学生需掌握完整推理流程而非仅给出结果。
  </