ORCA：数据科学代码翻译评测基准
原文标题：ORCA: Evaluating LLMs on Data Science Code Translation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 ORCA 基准，评估 LLM 在数据科学库之间转换代码（DSCT）的能力，包含 1600 个基础任务与 200 个项目级任务。结果显示即便是前沿模型表现也有限，Claude-Opus-4.6 在 ORCA-MAIN 成功率 56.92%、ORCA-PROJECT 仅 33.67%。作者提出意图增强方法，平均提升成功率约 4.8%–5.3%。
- 问题
- LLM在数据科学库之间翻译代码的能力缺乏系统评测。
- 方法
- 构建ORCA基准，含1600个基础任务与200个项目级任务，配参考翻译与测试用例，并提出意图增强方法。
- 结果
- Claude-Opus-4.6在ORCA-MAIN成功率56.92%、ORCA-PROJECT仅33.67%；意图增强平均提升约4.8%–5.3%。
- 影响
- 说明库迁移这类工程刚需仍是前沿模型短板，可作为选型与自研工具的评估标尺。
深读 · 结论先行AI 生成展开看要点与影响 ↓
ORCA基准测数据科学库间代码翻译，最强模型Claude-Opus-4.6在项目级任务成功率仅33.67%。
- •提出ORCA基准，含ORCA-MAIN的1600个基础任务（数据查询、数据操作、深度学习三域）与ORCA-PROJECT的200个项目级任务（7类任务）
- •每个任务配有参考翻译与验证功能等价性的测试用例，并经过多阶段质量校验
- •Claude-Opus-4.6在ORCA-MAIN成功率56.92%，在ORCA-PROJECT仅33.67%
- •观察到明显方向性偏好：源码用更显式、细粒度操作表达任务时翻译更容易
- •提出意图增强方法，平均提升成功率约4.8%–5.3%
为什么重要：填补LLM数据科学代码翻译评测空白，说明跨库迁移远未解决，对做代码迁移工具的团队是难度标尺。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。