PyBangla at BLP-2025 Task 2：通过迭代自纠正与多语言智能体增强孟加拉语至 Python 代码生成

LLM 擅长根据英文提示词生成代码，但这一进展尚未扩展至低资源语言。我们通过引入 BanglaCodeAct 来解决孟加拉语至 Python 代码生成问题，这是一个利用多智能体提示和迭代自纠正的基于智能体的框架。与依赖特定任务微调的先前方法不同，BanglaCodeAct 在“思考-代码-观察”（Thought-Code-Observation）循环中采用开源多语言 LLM，从而能够根据孟加拉语指令动态生成、测试和改进代码。我们对几个小参数开源 LLM 进行了基准测试，并在 mHumanEval 数据集上评估了它们在孟加拉语 NL2Code 任务上的有效性。结果表明，Qwen3-8B 在与 BanglaCodeAct 结合部署时取得了最佳性能，在开发集上的 pass@1 准确率达到 94.0%，在盲测集上达到 71.6%。这些结果为孟加拉语至 Python 翻译确立了新的基准，并突显了基于智能体的推理在低资源语言可靠代码生成中的潜力。实验脚本已在 github.com/jahidulzaid/PyBanglaCodeActAgent 上公开。