MSCoT：面向多种编程语言的结构化链式思维生成

随着代码智能的快速发展，多编程语言的应用正在变得越来越普遍。然而，大多数现有的编码生成模型主要关注单一或少数几种编程语言，在多语言环境下的表现并不理想。链式思维（CoT）推理可以通过合理地将复杂的代码生成任务分解为多个子任务，并逐步为每个子任务推导解决方案，从而在不需要重新训练或微调代码生成模型的情况下显著提高模型性能。然而，现有的 CoT 生成方法主要集中在 Python 代码上，对其他编程语言的表现尚不清楚。为填补这一空白，我们首先通过多智能体技术构建了覆盖 12 种编程语言的 CoT 生成数据集。基于此，我们提出了适用于多编程语言的 CoT 生成方法 MSCoT。通过将 CoT 引入代码生成大模型，可提高其在多语言环境下的表现。通过大规模实证研究，我们比较了 MSCoT 与现有 CoT 生成方法在多种编程语言上的泛化能力，并证明了 MSCoT 在多编程语言方面的有效性。此外，我们还设计了人类研究以证明 MSCoT 生成的 CoT 的质量。最后，我们开源了 MSCoT 的模型和数据集，以推动面向多编程语言的 CoT 生成研究的进展。