TigerCoder：用于Bangla代码生成的新型LLM套装
计算与语言
2025-09-12 v1
摘要
尽管Bangla是世界上第五大语言，仍在大型语言模型(LLMs)中得到很少关注，尤其是用于代码生成。这主要源于缺乏高质量数据用于预训练和/或微调此类模型。因此，我们介绍了首个专为Bangla(1B 与 9B参数)设计的代码LLM家族。我们提供了三个主要贡献:(1)为编程领域适配构建的全面Bangla代码指令数据集;(2)MBPP-Bangla，Bangla代码生成的评估基准;(3)TigerCoder家族代码LLM，相较于现有多语言和通用Bangla LLM，在Pass@1指标上实现了约11-18%的显著性能提升。我们的发现表明，精心策划的高质量数据集可以克服小模型在低资源语言中的局限性。我们开源了所有资源，以推动进一步的Bangla LLM研究。
引用
@article{arxiv.2509.09101,
title = {TigerCoder: A Novel Suite of LLMs for Code Generation in Bangla},
author = {Nishat Raihan and Antonios Anastasopoulos and Marcos Zampieri},
journal= {arXiv preprint arXiv:2509.09101},
year = {2025}
}