論文の概要: Rethinking Pivot Programming Languages in Code Language Models

• arxiv url: http://arxiv.org/abs/2609.22988v1
• Date: Sat, 19 Sep 2026 12:45:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.615124
• Title: Rethinking Pivot Programming Languages in Code Language Models
• Title（参考訳）: コード言語モデルにおけるPivotプログラミング言語の再考
• Abstract要約: Pythonの特別な役割は、普遍的な幾何学的中心性よりも、英語に面した親和性として理解されている。 コード・コード・ジオメトリは構造化言語領域を示すが、普遍的な中心は示さない。 コード英語のアライメントはハイレベルなスクリプティング言語を好む。
• 参考スコア（独自算出の注目度）: 0.30586855806896046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multilingual code language models transfer skills across programming languages (PLs), but whether any PL occupies a privileged pivot position remains contested: geometric analyses point to C-family languages and Go, while behavioral evidence highlights Python. We revisit this question under controls for representational anisotropy and length variation across PLs, two confounds that compromise prior cosine-based analyses. Across three code models on multilingual competitive-programming data, we study three views of cross-PL organization: pairwise PL geometry, PL-English alignment, and pivoted retrieval through candidate PL representation spaces. The results are relation-dependent. Code-code geometry reveals structured language regions but no universal center; code-English alignment favors high-level scripting languages; and pivoted retrieval favors different intermediate spaces for code-to-code and English-to-code transfer. These findings suggest that Python's special role is better understood as English-facing affinity than as universal geometric centrality.
• Abstract（参考訳）: 多言語コード言語モデルは、プログラミング言語(PL)間でスキルを伝達するが、PLが特権的なピボットポジションを占めるかどうかはまだ争点である:幾何学的分析はCファミリー言語とGoを指し、行動的証拠はPythonを強調している。 本稿では,コサイン解析に先行する2つの相違点であるPLの表現異方性と長さ変化の制御の下で,この問題を再考する。 多言語競合プログラミングデータに基づく3つのコードモデルを用いて、PL間組織(ペアワイドPL幾何、PL-リテラルアライメント、および候補PL表現空間によるピボット検索)の3つの視点について検討する。 結果は関係に依存している。 コード・コード・ジオメトリは構造化言語領域を示すが、普遍的な中心を持たない; コード・英語のアライメントは高レベルなスクリプティング言語を好む; ピボットされた検索は、コード・トゥ・コードと英語・コード間の転送のための異なる中間空間を好む。 これらの結果は、Pythonの特別な役割は、普遍的な幾何学的中心性よりも、英語に面した親和性として理解されていることを示唆している。

関連論文リスト

• Large Language Models for Code Generation from Multilingual Prompts: A Curated Benchmark and a Study on Code Quality [45.28284966022665]
  本稿では,GPT-4o mini,DeepSeek,Claudeが生成したソースコードに,プログラミングタスクを記述するために使用する言語がどのように影響するかを検討する。 私たちは、オリジナルの英語のプロンプトを中国語、ヒンディー語、スペイン語、イタリア語に翻訳し、手作業でキュレートします。 テストパスレートによる機能的正当性,確立したコードメトリクスによる構造的品質,静的解析ツールによる検出など,複数の次元を用いて生成されたコードを評価する。
  論文  参考訳（メタデータ） (2026-07-16T10:35:25Z)
• Large Language Models for Multilingual Code Intelligence: A Survey [15.859504186659825]
  この調査では、共通自然言語要求からの多言語コード生成と、言語間のセマンティクスを保存する多言語コード翻訳という2つの重要なタスクに焦点を当てた。 代表的な手法、ベンチマーク、評価指標をレビューし、信頼できる言語間の一般化の課題と機会を強調している。
  論文  参考訳（メタデータ） (2026-04-27T20:20:26Z)
• Scaling Laws for Code: Every Programming Language Matters [73.6302896079007]
  コード大言語モデル(Code LLM)は強力だが、トレーニングにはコストがかかる。 異なるプログラミング言語(PL)は、ベースモデルの性能に大きな影響を及ぼす事前トレーニングの間に様々な影響を与える。 本稿では,多言語コードの事前学習のためのスケーリング法則を初めて体系的に検討する。
  論文  参考訳（メタデータ） (2025-12-15T16:07:34Z)
• Tracing Multilingual Representations in LLMs with Cross-Layer Transcoders [51.380449540006985]
  大規模言語モデル(LLM)は多くの言語を処理できるが、どのようにして内部的にこの多様性を表現しているのかは不明だ。 言語固有のデコーディングと多言語表現を共有できるのでしょうか? 層間トランスコーダ(CLT)と属性グラフを用いて内部メカニズムを解析する。
  論文  参考訳（メタデータ） (2025-11-13T22:51:06Z)
• IRCoder: Intermediate Representations Make Language Models Robust Multilingual Code Generators [49.903001442804594]
  本研究では、コンパイラ中間表現(IR)を活用して、Code-LMの多言語機能を改善する可能性について検討する。 まず,約400万のソースコードファイルからなる並列データセットであるSLTransをコンパイルする。 次に、SLTransにおける因果言語モデリングトレーニングを継続して実施し、Code-LMはIR言語を学習せざるを得なかった。 IRCoderと呼ばれる結果のモデルは、さまざまなコード生成タスクやメトリクスに対して、サイズと一貫性のあるゲインを表示します。
  論文  参考訳（メタデータ） (2024-03-06T17:52:08Z)
• AdaCCD: Adaptive Semantic Contrasts Discovery Based Cross Lingual Adaptation for Code Clone Detection [69.79627042058048]
  AdaCCDは、その言語でアノテーションを使わずに、新しい言語のクローンコードを検出する新しい言語間適応手法である。 5つのプログラミング言語からなる多言語コードクローン検出ベンチマークを構築し,AdaCCDの言語間適応性を評価する。
  論文  参考訳（メタデータ） (2023-11-13T12:20:48Z)
• ERNIE-Code: Beyond English-Centric Cross-lingual Pretraining for Programming Languages [37.60016772021422]
  同じプログラミング言語(PL)を扱うソフトウェアエンジニアは、異なる自然言語(NL)を話し、その逆も話す。 近年の研究では、コンピュータプログラムにおける生成前訓練の有効性が実証されているが、それらは常に英語中心である。 ERNIE-Codeは116個のNLと6個のPLのための統合事前学習言語モデルである。
  論文  参考訳（メタデータ） (2022-12-13T17:21:44Z)
• MCoNaLa: A Benchmark for Code Generation from Multiple Natural Languages [76.93265104421559]
  英語以外の自然言語コマンドからコード生成をベンチマークします。 スペイン語,日本語,ロシア語の3言語で896個のNLコードペアを注釈した。 難易度はこれらの3つの言語によって異なるが、全てのシステムは英語にかなり遅れている。
  論文  参考訳（メタデータ） (2022-03-16T04:21:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。