多語言提示影響大型語言模型程式碼生成：GPT‑4o mini、DeepSeek、Claude測試

大型語言模型（LLM）在相同程式設計任務上，使用不同自然語言提示會產生不同的程式碼，這種現象稱為語言偏見。過去多聚焦於一般文字生成，對程式碼品質與編程慣例的影響則少有探討。

研究方法

研究團隊挑選 460 個程式碼任務，平分為 Python 與 Java（各 230 件），原始提示為英文。團隊將這些提示翻譯成中文、印地語、西班牙語與義大利語，並人工校正以保留技術意涵。

三款 LLM——GPT‑4o mini、DeepSeek、Claude——分別接受各語言提示，產出程式碼後以以下面向評估：

• 功能正確性：測試通過率。
• 結構品質：使用已建立的程式碼度量指標。
• 靜態分析：檢測潛在問題。
• 詞彙特徵：辨識識別子與註解中使用的語言。

主要發現

（i）英文提示並未 consistently 產出最高的功能正確性或程式碼品質；

（ii）提示語言的影響取決於程式語言與使用的 LLM，某些組合在特定語言下表現較佳；

（iii）生成的程式碼常在註解與字串常值中混用英語與提示語言，形成語言混雜現象。

意涵與未來方向

此研究提供了首個多語言程式碼生成基準，讓研究者能系統性探討語言偏見對程式碼品質的影響。未來可據此設計更具韌性的多語言程式碼生成系統，減少語言混雜與品質波動。

延伸閱讀

• Stable Audio 3 技術剖析：SAME 自編碼器、變長潛在擴散與對抗式後訓練
• 零樣本語音克隆呈現風格轉移：實驗證實同質化與信任效應
• ReasonAudio 資料集：評估文字→音訊檢索的邏輯與時間推理能力

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。