Challenges of Multilingual Program Specification and Analysis
本文探讨多语言编程特性对程序规范与分析的影响，分类概述多语言编程，描述实例与推理复杂性，总结分析现状及开放挑战，以推动该领域发展。
2024-07-16 cs.PL cs.SE
Mix-of-Language-Experts Architecture for Multilingual Programming
University of Waterloo（滑铁卢大学）
本文提出MoLE架构，通过共享与语言特定LoRA模块结合，在多语言编程中平衡效率与专业化，实现参数高效且准确率优于单一共享模型。
2025-06-18 cs.CL cs.PL cs.SE
How applicable is Python as first computer language for teaching programming in a pre-university educational environment, from a teacher's point of view?
本项目报告试图在实践中评估Python计算机语言的教育属性。这是通过检查计算机语言的演变历史，相关的科学背景工作，现有的教育研究计算机语言和Python的实验应用在高等中等教育在希腊，在2002年上半年。这篇论文报告是在同一年阿姆斯特丹阿姆斯特尔研究所/阿姆斯特丹大学的硕士/博士学位（MSc/Drs）论文答辩之前提交的。
2008-09-09 cs.CY cs.PL
GUPPY: Pythonic Quantum-Classical Programming
Quantinuum
本文介绍 Guppy，一种嵌入 Python 的领域特定语言，用于以 Pythonic 语法编写高级混合量子程序，支持复杂控制流，并可在真实量子硬件上运行。
2025-10-14 cs.PL cs.SE quant-ph
Natlog: Embedding Logic Programming into the Python Deep-Learning Ecosystem
University of North Texas（北德克萨斯大学）
针对Python与逻辑语言Natlog的共性，设计高层交互模式，使逻辑结构接入Python生态，并应用于JAX/PyTorch编排及GPT3/DALL.E提示生成。
2023-08-30 cs.AI cs.PL
Catalogs of C and Python Antipatterns by CS1 Students
理解学生的编程误解是至关重要的。这样做取决于确定学生在学习新的程序设计语言时出错的原因。了解这些错误概念有助于学生对错误的反思，也有助于教师设计更好的教学策略。在这份技术报告中，我们提出了两种程序设计语言的反模式目录：C和Python。为了实现这一点，我们分析了166 CS1工程专业学生的代码时，他们的编码解决方案的编程练习。在我们的结果中，我们从C和Python中的95个错误概念中分类了41个CS1反模式。这些反模式分为三个类别：C、Python和在使用这两种程序设计语言的代码中发现的反模式。对于每个反模式，我们提供了代码示例、学生的解决方案（如果有的话）、避免反模式的可能解决方案以及其他信息。
2021-04-02 cs.CY cs.PL
WebTigerPython -- A Low-Floor High-Ceiling Python IDE for the Browser
针对浏览器教育编程环境受单线程模型等限制、功能难兼顾的问题，研究提出完全基于浏览器的Python IDE WebTigerPython，验证了Web应用可支持从Turtle图形到数据处理的丰富成熟功能。
2024-10-09 cs.PL
AutoParallel: A Python module for automatic parallelization and distributed execution of affine loop nests
程序设计语言、编程模型和框架的最新改进集中在将用户从许多编程问题中抽象出来。其中，最近的编程框架包括更简单的语法，自动存储管理和垃圾回收，这通过库包和易于配置的部署工具简化了代码重用。例如，Python由于其语法的简单性而上升到程序设计语言列表的顶部，同时即使是解释语言也仍然实现了良好的性能。此外，社区还帮助开发了大量的库和模块，并对其进行了调整以获得更好的性能。然而，在阻止用户直接处理分布式和并行计算问题时，仍有改进的空间。本文提出并评估AutoParallel，一个Python模块，自动找到一个适当的基于任务的并行仿射循环嵌套并行执行它们在分布式计算基础设施。这种并行化还可以包括构建数据块以增加任务粒度，以便实现良好的执行性能。此外，AutoParallel基于顺序编程，只包含一个Python装饰器形式的小注释，因此任何编程技能不高的人都可以将应用程序扩展到数百个核心。
2018-10-26 cs.DC cs.PL
On the Transferability of Pre-trained Language Models for Low-Resource Programming Languages
University of British Columbia（不列颠哥伦比亚大学）；Singapore Management University（新加坡管理大学）；JetBrains Research（JetBrains研究院）
Ahmed和Devanbu最近的一项研究报告说，使用多语言数据集编写的代码语料库来微调多语言预训练语言模型（PLM），与使用仅用一种程序设计语言编写的代码语料库相比，可以实现更高的性能。然而，没有进行分析，就微调单语PLM。此外，某些程序设计语言本质上是不同的，并且用一种语言编写的代码通常不能与其它语言互换，即，Ruby和Java代码具有非常不同的结构。为了更好地理解单语和多语言PLM如何影响不同的程序设计语言，我们调查1）在Ruby上的PLM的性能两个流行的软件工程任务：代码摘要和代码搜索，2）策略（选择程序设计语言），以及微调多语言PLM的Ruby，和3）性能的微调PLM在Ruby上给定不同的代码长度。在这项工作中，我们分析了一百多个预先训练和微调的模型。我们的研究结果表明：1）多语言PLM具有较低的性能时间比（BLEU，METEOR，或MRR分数在微调持续时间）相比，单语PLM，2）我们提出的策略，选择目标程序设计语言微调多语言PLM是有效的：它减少了微调的时间，但在代码摘要和代码搜索任务中实现了更高的性能，以及3）我们提出的策略在不同的码长上一致地显示出良好的性能。
2022-04-05 cs.CL cs.PL cs.SE
A declarative extension of parsing expression grammars for recognizing most programming languages
解析表达式语法是描述语法的流行基础。不幸的是，程序设计语言的一些语法仍然难以用纯PEG识别。一些臭名昭著的例子出现了：C/C ++中typedef定义的名称，Python中基于缩进的代码布局，以及许多脚本语言中的HERE文档。为了识别这样的PEG-硬语法，我们已经解决了PEG的声明性扩展。“声明性”扩展意味着没有传统上用于实现扩展解析行为的编程语义动作。Nez是我们扩展的PEG语言，包括符号表和条件解析。本文证明了使用Nez扩展可以实现许多实用的程序设计语言，如C，C\#，Ruby和Python，其中涉及PEG-硬语法。
2015-11-26 cs.PL
The Comprehensive Blub Archive Network: Towards Design Principals for Open Source Programming Language Repositories
许多流行的开源编程语言（例如Perl、Ruby或Python）都有用于分发打包源代码的系统，软件开发人员在使用该特定程序设计语言时可以使用这些系统。本文将考虑设计这样一个开源代码库时应遵循的设计原则。
2021-04-01 cs.PL
The Janus System: Multi-paradigm Programming in Prolog and Python
本文介绍Janus系统，它紧密集成Prolog和Python于单一进程，实现双向数据转换和每秒数十万次跨语言调用，已用于商业应用，并易于移植到其他Prolog系统。
2023-08-30 cs.LO cs.PL
miniKanren as a Tool for Symbolic Computation in Python
在本文中，我们简要概述了Python统计建模和机器学习社区中符号计算的现状和未来潜力。我们详细介绍了miniKanren作为术语重写和符号数学的底层框架的使用，以及它协调使用现有Python库的能力。我们还讨论了关系编程的相关性和潜力，以实现更健壮的，可移植的，特定于领域的“数学级”优化-稍微侧重于贝叶斯建模。最后，我们描述了未来的工作，并提出了一些问题，统计建模和程序设计语言理论之间的潜在交叉。
2020-05-28 cs.PL cs.SC
Parsl: Pervasive Parallel Programming in Python
高级程序设计语言（如Python）越来越多地用于为用低级语言编写的库提供直观的接口，并用于从各种组件组装应用程序。这种向编排而不是实现的迁移，加上对并行计算的日益增长的需求（例如，由于大数据和摩尔定律的终结，有必要重新思考如何在程序中表达并行性。在这里，我们介绍了Parsl，一个并行脚本库，它为Python提供了简单、可扩展和灵活的并行编码结构。这些构造允许Parsl构造组件的动态依赖图，然后它可以在一个或多个处理器上有效地执行。Parsl是为可伸缩性而设计的，它有一组可扩展的执行器，可以针对不同的用例进行定制，比如低延迟、高吞吐量或极端规模的执行。通过在Blue Waters超级计算机上的实验，我们表明，Parsl执行器可以允许Python脚本以低至5 ms的开销执行组件，扩展到超过8000个节点上的250 000多个工人，每秒处理1200个任务。Parsl的其他特性通过支持基础设施的弹性配置和扩展、容错执行和集成广域数据管理来简化复合程序的构建和执行。我们表明，这些功能满足了多任务，交互式，在线和机器学习应用程序在生物学，宇宙学和材料科学等领域的需求。
2019-05-18 cs.DC cs.PL
Yaps: Python Frontend to Stan
Stan是一种流行的概率性程序设计语言，具有接近图形模型的自包含语法和语义。不幸的是，Python中现有的Stan嵌入使用多行字符串。这种方法迫使用户在两种不同的语言风格之间切换，不支持Stan代码中的语法突出显示或简单的错误报告。这篇文章解决了Stan是否可以在使用Python语法的同时保留其自包含的语义的问题。答案是肯定的，这可以通过重新解释Python语法来实现。本文介绍了Yaps，一个基于重新解释的Python的Stan的新前端。我们在超过1000个Stan模型上测试了Yaps，并将其开源。
2018-12-06 cs.PL
Enhancing Programming Education with ChatGPT: A Case Study on Student Perceptions and Interactions in a Python Course
Faculty of Arts and Science（文理学院）；Kyushu University（九州大学）；Faculty of Information Science and Electrical Engineering（信息科学与电气工程学院）
本文通过八周 Python 课程的问卷、开放题与对话数据分析，考察一年级学生使用 ChatGPT 的互动方式、感知效用、优势与局限。
2024-04-05 cs.AI cs.CY cs.PL
CodeTransOcean: A Comprehensive Multilingual Benchmark for Code Translation
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；The University of Hong Kong（香港大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Speech Lab, Alibaba Group（阿里巴巴集团语音实验室）
本文构建了大规模多语言代码翻译基准 CodeTransOcean，涵盖多语言、冷门语言及跨框架数据集，提出新评估指标并验证多语言建模方法的有效性，同时分析了 ChatGPT 的代码翻译潜力。
2023-10-25 cs.AI cs.PL
Functional Programming Paradigm of Python for Scientific Computation Pipeline Integration
Shenzhen United Imaging Research Institute of Innovative Medical Equipment（深圳联合创新医疗设备研究院）；United Imaging Healthcare Inc.（联影医疗）；Institute for Medical Imaging Technology, Shanghai Jiao Tong University School of Medicine, United Imaging Healthcare（上海交通大学医学院医学影像技术研究所、联影医疗）
本文提出了一种基于Python架构的函数式编程范式，旨在通过统一的数据控制系统集成不同的数据映射操作库与科学计算流，以加速原型验证、优化算法性能并降低维护成本。
2024-06-03 cs.AI cs.CE cs.LG
Comparative Studies of Six Programming Languages
比较程序设计语言是软件工程师讨论的一个常见话题。为了跟上不断变化的编程范式、硬件发展等，每年都有多种程序设计语言被设计、指定和实现。本文对六种程序设计语言：C++、PHP、C#、Java、Python、VB进行了比较研究;从可重用性、可靠性、可移植性、编译器和工具的可用性、可读性效率、熟悉度和表现力。
2015-04-02 cs.PL
Python FPGA Programming with Data-Centric Multi-Level Design
虽然高级综合（HLS）工具已经大大提高了程序员的生产力，硬件描述语言，FPGA的开发仍然繁琐和容易出错。程序员必须学习和实现大量特定于供应商的语法、模式和技巧，以优化（甚至成功编译）他们的应用程序，同时处理FPGA供应商不断变化的工具流。我们提出了一种新的方法来开发，优化和编译FPGA程序。以数据为中心的并行编程（DaCe）框架允许应用程序通过有状态数据流multiGraph（SDFG）表示由其控制流和控制流定义，捕获抽象程序特征，并暴露大量的优化机会。在这项工作中，我们展示了如何使用多级库节点扩展SDFG，将特定于领域和特定于平台的优化纳入设计流程，从而实现跨应用领域和FPGA供应商的知识转移。我们提出了基于HLS的FPGA代码生成后端的DaCe，并显示SDFG是如何为任何FPGA供应商生成代码，发出高效的HLS代码，结构化和注释，以实现所需的架构。
2022-12-28 cs.DC cs.PL
Performance Evaluation of Python Parallel Programming Models: Charm4Py and mpi4py
本文通过CPU和GPU微基准测试及科学计算小型应用，比较了Charm4Py与mpi4py两个Python并行编程框架的相对性能，以帮助实践者选择合适框架。
2021-11-11 cs.DC cs.PF cs.PL
An Introduction to Programming for Bioscientists: A Python-based Primer
在过去的几十年里，计算已经彻底改变了生物科学，使得几乎所有当代生物科学研究都利用计算机程序。计算的进步来自许多方面，受到硬件，软件和算法的基本发展的刺激。这些进展影响甚至产生了一系列惊人的生物科学领域，包括分子进化和生物信息学;全基因组、蛋白质组、转录组和代谢组的实验研究;结构基因组学;以及像核糖体和完整病毒一样大的细胞级分子组装的原子模拟。简而言之，后基因组生物学的大部分内容正日益成为计算生物学的一种形式。设计和编写计算机程序的能力是现代研究人员可以培养的最不可缺少的技能之一。Python已经成为生物科学中流行的编程语言，主要是因为（i）其简单的语义和干净的语法使其成为易于访问的第一语言;（ii）它具有表达性，非常适合面向对象编程以及其他现代范式;以及（iii）许多可用的库和第三方工具包将核心语言的功能扩展到几乎每个生物学领域（序列和结构分析、基因组学、工作流程管理系统等）。本入门提供了通过Python进行编码的基本介绍，并包括具体的示例和练习来说明该语言的用法和功能;正文以结构生物信息学的最终项目为高潮。还提供了一套补充章节。从基本概念开始，例如“变量”的概念，各章有条不紊地将读者推进到编写图形用户界面来计算两个DNA序列之间的汉明距离的地步。
2016-05-18 cs.PL q-bio.OT
ERNIE-Code: Beyond English-Centric Cross-lingual Pretraining for Programming Languages
Baidu（百度）
发布支持116种自然语言和6种编程语言的统一预训练模型ERNIE-Code，采用span-corruption和基于枢轴的翻译语言建模方法，在代码智能任务及零样本提示中表现优越。
2023-05-19 cs.CL cs.LG cs.PL
Multi-LCB: Extending LiveCodeBench to Multiple Programming Languages
GigaCode；Yandex School of Data Analysis, Applied AI Institute（Yandex数据分析学院，应用人工智能研究所）
提出 Multi-LCB 基准，将 LiveCodeBench 的 Python 任务扩展到 12 种编程语言，评估 LLM 跨语言代码生成能力，发现 Python 过拟合和语言特定污染等问题。
2026-06-19 cs.AI cs.PL
A Domain-Specific Language for Programming in the Tile Assembly Model
我们介绍了一个特定于域的语言（DSL）创建组的瓷砖类型的模拟抽象瓷砖组装模型。该语言定义了被称为瓦片模板的对象，这些对象表示相关的瓦片组，以及瓦片模板上的少量基本操作，这些操作有助于消除手动枚举此类瓦片类型或使用通用程序设计语言的低级构造的容易出错的苦差事。该语言在Python中实现为类库（所谓的内部DSL），但独立于Python或面向对象编程，重点是支持创建可视化编辑工具，用于以编程方式创建大量复杂的tile类型，而无需编写程序。
2009-03-05 cs.PL cs.SE
Rust vs. C for Python Libraries: Evaluating Rust-Compatible Bindings Toolchains
本研究评估了Rust的PyO3 Python绑定工具链与ctypes和cffi的性能及易用性，发现其能实现最先进性能且无需担心API兼容性。
2025-06-30 cs.DC cs.PF cs.PL
Phyelds: A Pythonic Framework for Aggregate Computing
University of Bologna（博洛尼亚大学）
本文提出Phyelds，一个针对数据科学实践者的Python库，旨在整合机器学习与聚合计算，提供轻量级的字段 calculus 模型实现，支持联邦学习和多智能体强化学习。
2026-03-31 cs.AI cs.PL cs.SE
Large Language Models for Multilingual Code Intelligence: A Survey
College of Computer Science and Software Engineering, Shenzhen University, China（深圳大学计算机科学与软件工程学院，中国）；Guangzhou Institute of Technology, Xidian University, China（广州理工大学，西安电子科技大学，中国）；Guangzhou University of Software, China（广州软件大学，中国）；Shenzhen University of Information Technology（深圳信息大学）；National University of Computer and Emerging Sciences Karachi, Pakistan（巴基斯坦卡拉奇国家计算机与新兴科学大学）
本文综述了多语言代码生成与翻译的关键任务，探讨了现有方法、基准和评估指标，指出多语言代码智能在现实系统中的重要性及挑战。
2026-04-27 cs.LG cs.PL cs.SE
Excel Spreadsheet Analyzer
在各种领域中，广泛使用单块来进行大型数值分析。虽然有几家公司几十年来一直依赖电子表格，但由于支持，社区和大量的库，数据科学家正在朝着使用科学程序设计语言（如python）进行数据分析的方向发展。在使用python分析公司的电子表格时，一些信息（如公式和单元格的依赖关系）会丢失。我们提出了一个工具，创建一个抽象的中间表示（AIR）的电子表格。这种表示有助于从电子表格转换为科学程序设计语言，同时保留有关数据的相互依赖性信息。除此之外，我们在我们的工具之上构建了一个Python库，以便在Python中执行一些数据分析。
2022-11-01 cs.PL cs.SE
Enhancing Python Programming Education with an AI-Powered Code Helper: Design, Implementation, and Impact
Department of ICT, Dhaka Residential Model College, Dhaka, Bangladesh（达卡住宅模型学院ICT系）
本研究提出一种结合静态分析、动态跟踪和LLM的AI聊天机器人，帮助Python学习，实验显示错误解决率达85%，调试时间减少59.3%，编码熟练度提升34%。
2025-09-24 cs.PL cs.SE
Can Programming Languages Boost Each Other via Instruction Tuning?
Institute of Software, Chinese Academy of Science（中国科学院软件研究所）；Peking University（北京大学）；Huawei Co., Ltd.（华为技术有限公司）
本研究通过指令微调实验，发现编程语言间可相互促进，如Python训练的模型提升Java的pass@1达17.95%，HTML训练模型提升Java达15.24%，并公开了训练数据。
2023-09-03 cs.AI cs.CL cs.PL
IRCoder: Intermediate Representations Make Language Models Robust Multilingual Code Generators
Technische Universität Darmstadt（达姆施塔特工业大学）；Hessian Center for AI (hessian.AI)（黑森人工智能中心）；CAIDAS, University of Würzburg（维尔茨堡大学CAIDAS机构）
针对现有代码语言模型多语言能力研究不足、仅依赖源代码预训练的问题，本研究构建含近400万样本的SLTrans并行数据集，利用编译器中间表示对不同规模基础模型进行持续训练，得到的IRCoder在多类代码任务上实现显著一致的性能提升。
2024-04-15 cs.AI cs.CL cs.PL
Evaluating performance and portability of high-level programming models: Julia, Python/Numba, and Kokkos on exascale nodes
本文在百亿亿次 HPC 节点上评估 Julia、Python/Numba 和 Kokkos 的性能与可移植性，发现 Julia 和 Kokkos 在 CPU 上接近 C/OpenMP，Julia 在 GPU 上接近 CUDA/HIP，而 Python/Numba 性能差距明显。
2023-03-10 cs.DC cs.PL
Natlog: a Lightweight Logic Programming Language with a Neuro-symbolic Touch
University of North Texas（北德克萨斯大学）
我们介绍Natlog，一个轻量级的逻辑程序设计语言，共享Prolog的统一驱动的执行模型，但具有简化的语法和语义。我们的概念验证Natlog实现紧密嵌入在基于Python的深度学习生态系统中，专注于基础术语数据集的内容驱动索引。作为我们的符号索引算法的覆盖，相同的功能可以委托给神经网络，为Natlog的解析引擎提供基础事实。我们的开源实现可以在https://pypi.org/project/natlog/上以Python包的形式获得。
2021-09-17 cs.AI cs.LG cs.LO
FLeX: Fourier-based Low-rank EXpansion for multilingual transfer
Stanford University（斯坦福大学）
本文研究了通过低秩适应和优化器改进提升Python到Java等语言的跨语言迁移效果，发现低秩适应和傅里叶正则化能显著提升迁移性能。
2026-04-06 cs.AI cs.LG cs.PL
Comparative analysis of large data processing in Apache Spark using Java, Python and Scala
Ternopil Ivan Puluj National Technical University（特诺皮尔伊万普鲁日国立技术大学）；Rochester Institute of Technology（罗切斯特理工学院）；Institute of Telecommunications and Global Information Space of the National Academy of Sciences of Ukraine（乌克兰国家科学院电信与全球信息空间研究所）
本研究基于Apache Spark与Apache Iceberg，对比Java、Python、Scala处理不同规模及复杂度数据的ETL性能，发现小数据量下Python更快，大数据量及复杂操作中Scala、Java更高效，可为数据处理流程优化提供参考。
2025-10-21 cs.DB cs.DC cs.PL
AI Coders Are Among Us: Rethinking Programming Language Grammar Towards Efficient Code Generation
Singapore Management University（新加坡管理大学）；Monash University（莫纳什大学）；Beihang University（北京航空航天大学）
本研究针对现有编程语言语法适配人类阅读却增加LLM计算负担的问题，提出面向AI的语法概念，开发了首个Python的AI导向语法SimPy，可在保持甚至提升模型性能的同时显著减少token用量。
2024-08-14 cs.AI cs.PL cs.SE
Function call overhead benchmarks with MATLAB, Octave, Python, Cython and C
通过基准测试评估 MATLAB/Octave、Python、Cython 和 C 中循环内函数调用的时间开销，识别优化潜力。
2012-02-13 cs.MS cs.NA cs.PL
Comparing neural network training performance between Elixir and Python
UTFPR（巴拉那联邦技术大学）
由于有大量专注于机器学习市场的库，如TensorFlow、NumPy、Pandas、Keras等，Python已经成为主要的程序设计语言之一。2021年2月，José Valim和Sean Moriarity发布了Numerical Elixir（Nx）库的第一个版本，这是一个用Elixir编写的张量运算库。Nx的目标是使该语言成为GPU密集型操作的良好选择。这项工作的目的是比较Python和Elixir在使用MNIST和CIFAR-10数据集训练卷积神经网络（CNN）方面的结果，得出的结论是Python取得了总体上更好的结果，Elixir已经是一个可行的替代方案。
2022-10-25 cs.LG cs.PL
Unsupervised Translation of Programming Languages
Facebook AI Research（脸书人工智能研究院）；Paris-Dauphine University（巴黎第九大学）
transcompiler，也称为source-to-source translator，是一种将源代码从高级程序设计语言（如C++或Python）转换为另一种语言的系统。Transcompilers主要用于互操作性，并将用过时或不推荐的语言（例如COBOL，Python 2）编写的代码库移植到现代语言。它们通常依赖于应用于源代码抽象语法树的手工重写规则。不幸的是，最终的翻译往往缺乏可读性，不尊重目标语言的惯例，并需要手动修改，以便正常工作。整个翻译过程非常耗时，并且需要源语言和目标语言的专业知识，这使得代码翻译项目非常昂贵。尽管神经模型在自然语言翻译的背景下显著优于基于规则的模型，但由于该领域并行数据的稀缺，其在编译转换中的应用受到限制。在本文中，我们建议利用最近的方法在无监督机器翻译训练一个完全无监督的神经编译器。我们在开源GitHub项目的源代码上训练了我们的模型，并证明它可以高精度地在C++、Java和Python之间转换函数。我们的方法完全依赖于单语源代码，不需要在源或目标语言的专业知识，可以很容易地推广到其他程序设计语言。我们还构建并发布了一个由852个并行函数组成的测试集，以及用于检查翻译正确性的单元测试。我们表明，我们的模型优于基于规则的商业基线的显着利润率。
2020-09-22 cs.CL cs.PL
MultiPL-E: A Scalable and Extensible Approach to Benchmarking Neural Code Generation
大语言模型已经展示了生成自然语言和程序设计语言文本的能力。这样的模型为多语言代码生成提供了可能性：代码生成模型能将知识从一种语言推广到另一种语言吗？虽然当代的代码生成模型可以生成语义正确的Python代码，但对它们在其他语言中的能力知之甚少。我们提出了MultiPL-E，一个将单元测试驱动的代码生成基准转换为新语言的系统。我们通过使用MultiPL-E将两个流行的Python代码生成基准转换为18种额外的程序设计语言，创建了第一个大规模多语言代码生成基准。我们使用MultiPL-E将HumanEval基准测试和MBPP基准测试扩展到18种语言，包括一系列编程范式和流行程度。使用这些新的并行基准测试，我们评估了三种最先进的代码生成模型：Codex，CodeGen和InCoder的多语言性能。我们发现Codex在其他几种语言的Python上的性能相当甚至超过了它。MultiPL-E中表示的程序设计语言的范围使我们能够探索语言频率和语言特征对模型性能的影响。最后，将代码生成基准编译为新的程序设计语言的MultiPL-E方法是可伸缩和可扩展的，使得评估新的模型、基准和语言变得简单。
2022-12-19 cs.LG cs.PL
Replacing ANSI C with other modern programming languages
用其他现代程序设计语言（如Python或Java）取代ANSI C语言可能是技术大学的一个实际辩论话题。那些主要兴趣不在编程领域的研究人员似乎更喜欢现代和更高级的语言。保持标准语言ANSI C作为工程师和微控制器编程、机器人和数据采集课程的主要工具是另一个强烈的不同意见趋势。面向函数和面向对象的语言可能是实际争论中的另一个突出话题。
2014-12-18 cs.CY cs.PL
Analysis of AdvFusion: Adapter-based Multilingual Learning for Code Large Language Models
University of British Columbia（不列颠哥伦比亚大学）；University of Leicester（利兹大学）
本文扩展 AdvFusion 至代码大语言模型，在代码生成、代码翻译和提交信息生成三个任务上分析其与 AdapterFusion 及其他 PEFT 方法的性能差异，揭示不同模型与任务下多语言适配器融合方法的适用性。
2025-11-03 cs.AI cs.PL cs.SE
Who Wins the Race? (R Vs Python) - An Exploratory Study on Energy Consumption of Machine Learning Algorithms
Research in Intelligent Software \& Human Analytics (RISHA) Lab, Department of Computer Science \& Engineering Indian Institute of Technology Tirupati, India；Accenture Labs, India
针对机器学习（ML）能耗的环境影响研究空白，本文通过实证比较Python和R两种语言在5个回归和5个分类任务中的能耗及运行时性能，发现95%案例中能耗差异显著，语言选择对能效影响高达99.8%，旨在提升对ML语言能耗成本的认知。
2025-08-24 cs.LG cs.PF cs.PL
A Joint Learning Model with Variational Interaction for Multilingual Program Translation
National Key Laboratory for Novel Software Technology（计算机软件新技术国家重点实验室）；School of Artificial Intelligence（人工智能学院）；Nanjing University（南京大学）
针对多语言程序翻译中平行数据稀缺、语义分布偏移的问题，提出基于解耦的VIM-PT模型，通过变分交互解耦代码特征，实现多语言联合翻译，提升翻译质量并降低部署复杂度。
2024-09-13 cs.AI cs.LG cs.PL
