{
"llm" : {
"feedback" : "# Exercise: fractal\n\n### Correctness\n- In `Boxes`, die rekursive Zeichenlogik in `drawRec(...)` ist nicht implementiert, dadurch wird nichts gezeichnet.\n- In `Triangles`, die rekursive Zeichenlogik in `drawRec(...)` ist nicht implementiert, dadurch wird nichts gezeichnet.\n\n### Suggestion\n- Für `Boxes`: Überlege dir zuerst den **Abbruchfall** (z.B. bei `n == 0`) und zeichne dann genau **ein** Rechteck mit `g.drawRect(...)`. Im Rekursionsfall teile das Quadrat in kleinere Teilquadrate auf und rufe `drawRec(...)` mit angepasst `x/y`, kleinerem `s` und `n-1` auf.\n- Für `Triangles`: Baue ebenfalls einen **Abbruchfall** (z.B. `n == 0`), in dem du das Dreieck mit **drei** `g.drawLine(...)`-Aufrufen zeichnest. Im Rekursionsfall berechnest du die **Mittelpunkte der Seiten** (jeweils aus zwei Eckpunkten) und rufst die Methode dann für die entstehenden kleineren Dreiecke mit `n-1` auf.\n\n### Code Style\n- Die `// TODO implement`-Kommentare sind noch vorhanden; sobald du implementiert hast, entferne sie oder ersetze sie durch kurze, beschreibende Kommentare (z.B. „base case“ / „recursive step“), damit klar ist, was passiert.\n\n\n# Exercise: knapsack\n\nLlm Evaluation ist für diese Aufgabe deaktiviert. Entferne die .llmignore Datei vom Package der Aufgabe.\n\n\n# Exercise: sudoku\n\n### Correctness\n- `SudokuSolverImpl.solved(...)` erfüllt die Anforderung nicht zuverlässig: Bei einem vorgegebenen Feld (`model.get(row, column) != 0`) rufst du zwar rekursiv `solved(model, fieldNr + 1)` auf, übernimmst aber das Ergebnis nicht (das Return-Value geht verloren), dadurch kann die Methode am Ende trotzdem `false` liefern, obwohl eine Lösung gefunden wurde.\n- In `solved(...)` fehlt das eigentliche Backtracking: Wenn ein gesetzter Versuchswert später zu einem Widerspruch führt, wird das Feld nicht wieder geleert und es wird nicht systematisch der nächste Wert ausprobiert (dadurch bleibt das Model u.U. in einem falschen Zustand / es wird keine Lösung gefunden obwohl eine existiert).\n- Du prüfst beim Setzen nur `rowOK`, aber Sudoku verlangt gleichzeitig Row + Column + Subsquare (sonst akzeptierst du Kandidaten, die z.B. in der Spalte oder im 3x3-Block kollidieren).\n- Deine Logik „Wert erhöhen“ basiert auf `model.get(row, column)` und setzt mehrfach hintereinander (`set` → bei Konflikt nochmal `set`), ohne sauber über alle Kandidaten 1..size zu iterieren; damit werden Werte übersprungen/ungeeignet behandelt und du kannst Werte > `size()` erreichen (was durch `model.set` dann sogar eine Exception auslösen kann).\n- Die Abbruchbedingung `if (fieldNr >= size*size) return checker.allOK(model);` passt nicht zur Anforderung „model enthält die tatsächliche Lösung“: `allOK` prüft nur „keine Konflikte“, nicht dass wirklich alle Felder gefüllt sind (ein unvollständiges, aber konfliktfreies Sudoku wäre damit „gelöst“).\n- `nofSolutions(...)` ist nicht implementiert, obwohl es Teil der Aufgabe ist.\n\n### Suggestion\n- Achte darauf, dass jeder rekursive Aufruf sein Ergebnis an den Caller zurückgibt/weiterreicht (sonst „verlierst“ du gefundene Lösungen auf dem Rückweg aus der Rekursion).\n- Überlege dir für Backtracking ein klares Schema: „Feld wählen → Kandidaten 1..N ausprobieren → bei gültigem Kandidat rekursiv weiter → wenn keine Lösung, Feld wieder leeren und zurück“. Wichtig ist das „Wieder leeren“ beim Fehlschlag.\n- Prüfe die Gültigkeit eines Kandidaten immer mit einer Bedingung, die Row, Column und Subsquare umfasst (du hast dafür im Checker bereits eine passende Methode, die genau für „ein Feld nach Setzen prüfen“ gedacht ist).\n- Statt den aktuellen Zellwert als „Zähler“ zu verwenden, iteriere explizit über mögliche Werte (z.B. lokale Variable `val`), damit du keine Werte überspringst und keine illegalen Werte setzt.\n- Für die Abbruchbedingung: trenne „bin ich am Ende der Felder angekommen?“ von „ist das Board gültig?“; wenn du Feld-für-Feld füllst, reicht am Ende typischerweise „Ende erreicht“ als Erfolg, weil du vorher schon nur gültige Zustände weiterverfolgst.\n- Für `nofSolutions`: denk daran, dass du im Gegensatz zu `solved` nicht beim ersten Fund stoppst, sondern zählst; gleichzeitig soll bei `MAX` abgebrochen werden und das Model danach wieder im Ausgangszustand sein (also auch hier konsequent setzen/rekursiv zählen/clear beim Zurückgehen).\n\n### Code Style\n- In `solved(...)` wird sehr viel Logik über verschachtelte `if/else` und wiederholte `solved(...)`-Aufrufe ohne Return aufgebaut; das macht den Kontrollfluss schwer nachvollziehbar. Versuch, den Rückgabewert konsequent zu verwenden und unnötige doppelte Rekursionsaufrufe zu vermeiden.\n- Kommentar-Sprache ist gemischt (Deutsch/Englisch) und teils unpräzise („wenn all Felder behandelt wurden...“); einheitliche, kurze Kommentare würden die Lesbarkeit erhöhen.\n\n\n# Exercise: queens\n\nLlm Evaluation ist für diese Aufgabe deaktiviert. Entferne die .llmignore Datei vom Package der Aufgabe.\n",
"status" : "SUCCESS"
},
"unitTest" : {
"tests" : [ {
"name" : "allZero()",
"status" : "PASSED",
"message" : null
}, {
"name" : "uselessStuff()",
"status" : "PASSED",
"message" : null
}, {
"name" : "random1()",
"status" : "FAILED",
"message" : "expected: <190> but was: <0>"
}, {
"name" : "random2()",
"status" : "FAILED",
"message" : "expected: <340> but was: <0>"
}, {
"name" : "random3()",
"status" : "FAILED",
"message" : "expected: <558> but was: <0>"
}, {
"name" : "boardIsValidAfterSolveN4()",
"status" : "FAILED",
"message" : "Board must contain exactly N queens ==> expected: <4> but was: <0>"
}, {
"name" : "boardIsValidAfterSolveN5()",
"status" : "FAILED",
"message" : "Board must contain exactly N queens ==> expected: <5> but was: <0>"
}, {
"name" : "boardIsValidAfterSolveN8()",
"status" : "FAILED",
"message" : "Board must contain exactly N queens ==> expected: <8> but was: <0>"
}, {
"name" : "boardSizeIsCorrectForN4()",
"status" : "PASSED",
"message" : null
}, {
"name" : "boardSizeIsCorrectForN8()",
"status" : "PASSED",
"message" : null
}, {
"name" : "countN1()",
"status" : "FAILED",
"message" : "N=1 has exactly 1 solution ==> expected: <1> but was: <0>"
}, {
"name" : "countN2()",
"status" : "PASSED",
"message" : null
}, {
"name" : "countN3()",
"status" : "PASSED",
"message" : null
}, {
"name" : "countN4()",
"status" : "FAILED",
"message" : "N=4 has exactly 2 solutions ==> expected: <2> but was: <0>"
}, {
"name" : "countN5()",
"status" : "FAILED",
"message" : "N=5 has exactly 10 solutions ==> expected: <10> but was: <0>"
}, {
"name" : "countN6()",
"status" : "FAILED",
"message" : "N=6 has exactly 4 solutions ==> expected: <4> but was: <0>"
}, {
"name" : "countN8()",
"status" : "FAILED",
"message" : "N=8 has exactly 92 solutions ==> expected: <92> but was: <0>"
}, {
"name" : "solveReturnsTrueForN1()",
"status" : "FAILED",
"message" : "N=1 has exactly one solution ==> expected: <true> but was: <false>"
}, {
"name" : "solveReturnsTrueForN4()",
"status" : "FAILED",
"message" : "N=4 has valid queen placements ==> expected: <true> but was: <false>"
}, {
"name" : "solveReturnsTrueForN8()",
"status" : "FAILED",
"message" : "N=8 has valid queen placements ==> expected: <true> but was: <false>"
}, {
"name" : "solveReturnsFalseForN2()",
"status" : "PASSED",
"message" : null
}, {
"name" : "solveReturnsFalseForN3()",
"status" : "PASSED",
"message" : null
} ]
}
}