OpenAI 发布研究：提升低资源编程语言（如 COBOL）的代码生成能力
2026/10/19 20:00阅读量 6
OpenAI 于 2026 年 10 月 19 日发布研究，探讨如何改进对 COBOL 等低资源编程语言的代码生成支持。该研究旨在解决因训练数据稀缺导致的模型在这些语言上表现不佳的问题，通过特定策略提升其在遗留系统维护中的实用性。
事件概述
OpenAI 在官方博客发布题为《Advancing Coding in Low-Resource Programming Languages》的研究文章，重点讨论如何利用大语言模型处理 COBOL 等“低资源”编程语言。这类语言通常拥有庞大的遗留代码库，但公开可用的训练数据极少，导致通用 AI 编码助手难以有效支持其开发和维护工作。
核心挑战与背景
- 数据稀缺性：与 Python、JavaScript 等高资源语言不同，COBOL 等语言在互联网上的开源代码和文档比例极低，限制了模型的自然学习过程。
- 领域特异性：这些语言常用于金融、政府和关键基础设施领域，具有严格的语法规范和业务逻辑，通用模型往往无法准确理解或生成符合行业标准的代码。
研究方向与方法
虽然原文主要展示标题及导航结构，但根据研究主题，核心内容聚焦于：
- 数据增强策略：探索如何通过合成数据、代码翻译或微调技术，弥补低资源语言训练数据的不足。
- 模型适配：调整模型架构或提示工程方法，使其能更准确地解析和处理非主流编程语言的语义。
- 评估基准：建立针对低资源语言的代码生成评估体系，量化模型在真实遗留系统场景下的表现。
值得关注的影响
- 延长技术生命周期：提升 AI 对 COBOL 等老旧语言的支持，有助于降低企业迁移遗留系统的成本和风险，使现有系统能更平滑地融入现代数字化流程。
- 填补市场空白：目前主流 AI 编码工具多集中于热门语言，此项研究有望推动 AI 工具向更垂直、更专业的领域延伸，服务于特定的工业和金融行业需求。