PulseAugur
实时 08:51:29
English(EN) Bootstrapping Niche Multilingual Code Translation via Reinforcement Learning with Execution-Based Verifiable Supervision

新方法促进小众编程语言的多语言代码翻译

研究人员开发了一种改进多语言代码翻译的新方法,特别适用于并行数据稀缺的小众编程语言。他们的方法利用基于执行监督的强化学习来生成和优化翻译候选。该技术使用 Qwen-3.5 4B 和 9B 模型在一个名为 HumanEval-X++ 的新基准上进行了评估,证明了翻译质量的显著提高,尤其是在中等层级的语言方面。 AI

影响 这项研究可以改进小众编程语言的工具开发和可访问性,可能加速跨语言软件开发。

排序理由 该集群包含一篇详细介绍代码翻译新方法和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法促进小众编程语言的多语言代码翻译

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Kouki Yuki, Jie Zeng, Kyoko Ogawa, Ryunosuke Ikeda, Yohei Kobashi, Takeshi Kojima, Ikuya Yamada, Yusuke Iwasawa, Yutaka Matsuo ·

    基于执行验证监督的强化学习,用于引导小众多语言代码翻译

    arXiv:2608.13854v1 Announce Type: new Abstract: Code translation must preserve executable behavior across many programming languages, yet neural code translation has largely focused on a few popular languages such as C++, Java, and Python. This leaves a niche, many-to-many settin…