推进低资源编程语言代码能力

全球许多最为关键的数字基础设施——从跨国银行的核心交易系统、航空订票平台到政府社保与税务核心数据库——依然深深扎根于所谓的“低资源编程语言”（low-resource programming languages）与数十年前编写的遗留代码（Legacy Code）之中。

尽管当前主流的大型语言模型在 Python、JavaScript 等热门语言上展现出卓越的代码生成与调试表现，但由于公开训练数据的极度匮乏，AI 在处理这些低资源技术栈时面临严峻挑战。为此，OpenAI 正持续改进 ChatGPT 在低资源语言环境下的实际工程能力，并针对多项关键场景推出了全新的评估基准。

破解低资源编程语言的“数据荒漠”

现代代码大模型在主流开源语言上的飞跃，很大程度上得益于 GitHub 等平台海量开源仓库、技术文档及问答社区的哺育。然而，企业生产环境的真实技术图景远比开源社区复杂：

公开样本严重匮乏：诸如 COBOL、Fortran 或特定领域的专有语言（DSL），其核心代码绝大多数封闭在大型金融机构、政府和跨国企业的私有仓库中，无法直接用于大规模预训练。
业务逻辑隐密且容错率极低：遗留系统承载着数十年沉淀的复杂商业逻辑和极度特殊的精度规则（如固定小数精度的金融计算），任何微小的逻辑偏差都会造成严重的生产事故。
缺乏标准化的评测框架：以往诸如 HumanEval、SWE-bench 等主流基准主要围绕 Python 等主流语言构建，行业缺乏客观衡量模型处理低资源垂直语言工程能力的统一标准。

OpenAI 通过定向强化学习、高质量合成数据生成以及上下文架构优化，推动 ChatGPT 在缺少海量公开语料的前提下，仍能深度理解和维护这些高壁垒的代码技术栈。

全新评估基准：面向真实复杂工程场景

为了科学验证模型在低资源语言中的真实表现，OpenAI 构建并发布了针对关键领域的评测集：

1. 软件工程级综合评估（SWE Evaluations）

将测试重点从单一函数的代码补全，转向真实的端到端工程维护。测试模型在低资源语言环境下理解复杂跨文件项目、定位深层 bug 以及按照既有规范生成可部署补丁的能力。

2. SQLite 底层逻辑与数据库开发

SQLite 是全球应用最广、对稳定性与边界安全要求极其苛刻的数据库引擎之一。OpenAI 针对 SQLite 深度定制评估基准，检验模型在面对特化 C 语言架构、底层并发逻辑以及严密测试用例时的代码解析与生成质量。

3. COBOL 现代化迁移（COBOL Migration）

全球每天仍有巨额资金流动依赖着数百亿行 COBOL 代码的底层运算。将这些数十年前的遗留系统迁移重构成现代语言（如 Java、Python），是当今企业面临的成本最高昂、风险最大的 IT 挑战之一。

OpenAI 的 COBOL 迁移评测着重考察：

业务语义高保真：模型能否精准保留 COBOL 独特的定点数运算、数据布局定义（Copybooks）与异常处理分支；
代码现代化与规范化：生成的现代语言代码是否具备清晰的面向对象/函数式架构，并自动匹配完备的单元测试；
逆向工程与文档化：辅助工程师快速解析缺少文档的老旧系统逻辑，大幅压缩重构周期。

对开发者与产业界的深远意义

OpenAI 针对低资源语言的攻坚，对治理全球关键系统中的“技术债务”（Technical Debt）具有里程碑意义：

缓解专业技术人才断层：精通 COBOL 等遗留技术栈的资深工程师群体正在加速退休，大模型能充当高效的“技术翻译桥梁”，保障关键基础设施平稳过渡。
大幅降低系统迁移重构风险：高保真的自动化与半自动化代码迁移方案，将显著降低过去动辄耗时数年且面临高失败率的重构工程成本。
拓展 AI 辅助编程的应用边界：该进展表明，模型能力不再局限于热门编程语言，通过创新的评估与训练范式，AI 正在向专业化、高度垂直化的工程纵深领域加速渗透。

推进低资源编程语言代码能力：OpenAI 推出 SQLite 与 COBOL 迁移等全新评估基准

中文