تشير الأبحاث الجديدة إلى أن نماذج اللغات الضخمة (Large Language Models) تنشئ أكواد برمجية ذات جودة متفاوتة عند توجيهها باستخدام لغات طبيعية مختلفة. هذه الظاهرة، المعروفة باسم تحيز اللغة، لم تحظ بالاهتمام الكافي في سياق توليد الأكواد البرمجية، رغم شيوعها في جيل النصوص العامة.

في دراسة شاملة، قمنا بتحليل حول 460 مهمة برمجية موزعة بالتساوي بين لغتي Python وJava. استخدمنا نماذج مثل GPT-4o mini وDeepSeek وClaude لتوليد الأكواد البرمجية وفقاً لتوجيهات مترجمة إلى عدة لغات، بما في ذلك الصينية والهندية والإسبانية والإيطالية. حرصنا على المحافظة على معانيها التقنية خلال عملية الترجمة.

تم تقييم الأكواد المولدة بناءً على عدة معايير، تشمل دقة الوظائف (Functional Correctness) من خلال معدلات اجتياز الاختبارات، وجودة الهيكل (Structural Quality) باستخدام مقاييس أكواد معتمدة، بالإضافة إلى المشكلات التي تم اكتشافها بواسطة أدوات التحليل الساكن، والخصائص اللغوية مثل اللغة المستخدمة في التعريفات والتعليقات.

أظهرت النتائج أن توجيه الأكواد باللغة الإنجليزية لا يضمن دائماً الأفضلية من حيث الدقة أو الجودة. كما أن تأثير لغة التوجيه يعتمد على نوع لغة البرمجة المستخدمة وأيضاً على النموذج اللغوي الضخم. في كثير من الأحيان، تمتزج اللغة الإنجليزية باللغة المستخدمة في التوجيه، خاصة في التعليقات والنصوص النصية.

تقدم هذه النتائج أول مجموعة بيانات متعددة اللغات مرتبة لدراسة تحيز اللغة في توليد الأكواد، مما يفتح آفاقاً جديدة لتطوير أنظمة توليد أكواد متعددة اللغات بشكل أكثر فعالية وموثوقية.