Bridging the Knowledge Void: Inference-time Acquisition of Unfamiliar Programming Languages for Coding Tasks
本文提出了一种名为 ILA-agent 的通用推理时语言获取框架，通过赋予大语言模型一系列行为原语，使其能够通过与文档和执行环境的动态交互，在低资源环境下自主学习并掌握陌生的编程语言。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这是一篇关于如何让人工智能（AI）“现学现用”新语言的研究论文。为了让你轻松理解，我们可以把这个过程想象成一个**“外星语言生存挑战”**。
1. 背景：AI 的“知识盲区”
想象一下，你是一个博学多才的翻译官，精通英语、法语、德语，但突然有一天，你被空降到了一个外星文明，他们说一种全新的语言——“仓颉语”（Cangjie）。
虽然你读过无数的书，但因为这种语言是刚刚发明的，你的大脑里完全没有它的词汇和语法。这时候，如果你强行去翻译，要么会闹笑话（语法错误），要么会完全牛头不对马嘴（逻辑错误）。
目前的 AI（比如 ChatGPT）也是这样：它们在训练时读过海量的代码，所以写 Python、Java 很厉害；但面对像“仓颉语”这种刚出生、还没来得及喂给 AI 吃过的新语言，它们就会立刻“断片”，表现得像个小学生。
2. 核心方案：ILA-agent —— “自带工具箱的探险家”
以前人们解决这个问题的方法有两种，但都有缺陷：
- 方法 A（死记硬背）： 找一大堆新语言的书，强行让 AI 重新学习（这叫微调）。缺点： 太费钱、太费时间，而且书还没写完呢，没得学。
- 方法 B（翻字典）： 给 AI 一本字典，让它查完再写（这叫 RAG）。缺点： AI 查字典很笨，不知道该搜什么词，而且查完之后写错了也没人纠正。
这篇论文提出了第三种天才的想法：ILA-agent（推理时语言获取）。
它不再试图让 AI “背下”整本书，而是把 AI 变成一个**“自带工具箱的聪明探险家”。当 AI 遇到不懂的“仓颉语”时，它会像人类一样，通过“边看、边试、边改”**来学习。
这个“工具箱”里有两类核心技能：
第一类：探索技能（像是在图书馆找书）
- 看目录（ViewStruct）： 先看看这本书是怎么编排的，知道哪一章讲语法，哪一章讲工具。
- 语义搜索（SemSearch）： 不再死板地搜关键词，而是像人类一样问：“这个语言里怎么处理数字？”即使它不知道准确的术语，也能通过意思猜到在哪。
- 查细节（ViewDetail）： 找到了大概位置，再钻进去看具体的用法。
第二类：验证技能（像是在实验室做实验）
- 试运行（Execute）： 写了一段代码，先别急着交卷，先在电脑上跑一下。如果报错了，AI 会看到报错信息，然后想：“哦，原来这里不能这么写。”
- 提交测试（Submit）： 觉得自己写得差不多了，最后跑一遍标准考试，看看能不能拿满分。
3. 实验结果：AI 真的变聪明了吗？
研究人员专门设计了一个“考试卷”——Cangjie-bench（基于华为新开发的仓颉语言）。因为这种语言太新了，市面上几乎没有现成的资料，这简直是给 AI 设下的“地狱难度”考试。
结果非常惊人：
通过这种“边学边做”的方法，AI 的表现大幅超越了传统的“死记硬背”和“翻字典”方法。它不仅能写出正确的代码，还能在写错之后，通过报错信息自己发现问题并修复。
4. 总结：这篇论文的意义
这篇论文告诉我们：学习的最高境界，不是把书背得滚瓜烂熟，而是在面对未知时，能够利用手头的工具（文档和编译器），通过不断的“尝试-失败-修正”循环，快速掌握一项新技能。
这为未来的 AI 提供了一个新方向：我们不需要给 AI 喂尽全世界的数据，只要给它一套好用的“工具箱”和“学习方法”，它就能在任何未知的领域里，迅速从“小白”变成“专家”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。