北航、人大和九坤投資共同撰寫(xiě)的論文 《Scaling Laws for Code: Every Programming Language Matters》 整理而成。

在代碼大模型（Code LLMs）的預(yù)訓(xùn)練中，行業(yè)內(nèi)長(zhǎng)期存在一種慣性思維，即把所有編程語(yǔ)言的代碼都視為同質(zhì)化的文本數(shù)據(jù)，主要關(guān)注數(shù)據(jù)總量的堆疊。然而，現(xiàn)代軟件開(kāi)發(fā)本質(zhì)上是多語(yǔ)言混合的，不同語(yǔ)言的語(yǔ)法特性、語(yǔ)料規(guī)模和應(yīng)用場(chǎng)景差異巨大。如果忽略這些差異，籠統(tǒng)地應(yīng)用通用的 Scaling Laws，往往會(huì)導(dǎo)致性能預(yù)測(cè)偏差和算力浪費(fèi)。

為了打破這一黑盒，研究團(tuán)隊(duì)耗費(fèi)了相當(dāng)于 33.6 萬(wàn)個(gè) H800 GPU 時(shí)，進(jìn)行了超過(guò) 1000 次實(shí)驗(yàn)。研究覆蓋了從 0.2B 到 14B 的模型參數(shù)規(guī)模，以及高達(dá) 1T 的訓(xùn)練數(shù)據(jù)量，系統(tǒng)性地對(duì) Python、Java、JavaScript、TypeScript、C#、Go、Rust 這七種主流語(yǔ)言進(jìn)行了解構(gòu)。這項(xiàng)工作的核心貢獻(xiàn)在于建立了區(qū)分語(yǔ)言特性的 Scaling Laws，并據(jù)此提出了一套數(shù)學(xué)可解的最優(yōu)數(shù)據(jù)配比方案。

• 論文：《Scaling Laws for Code: Every Programming Language Matters》
• 論文鏈接：https://arxiv.org/abs/2512.13472

圖 1：論文提出的多語(yǔ)言 Scaling Law 與傳統(tǒng)均勻分布基線(xiàn)的 Loss 對(duì)比。藍(lán)色曲線(xiàn)顯示，基于本文方法優(yōu)化的模型在相同算力下能持續(xù)獲得更低的 Loss)

語(yǔ)言特異性：Python 潛力巨大，Rust 快速收斂

圖 2：七種編程語(yǔ)言各自獨(dú)立的 Scaling Law 曲線(xiàn)。可以看到 Python（左上）的曲線(xiàn)斜率更陡峭，而 Rust（右下）則更早趨于平緩)

協(xié)同效應(yīng)矩陣：語(yǔ)言間的 “近親繁殖” 與 “非對(duì)稱(chēng)互助”

在實(shí)際預(yù)訓(xùn)練中，我們很少只訓(xùn)練單語(yǔ)言模型。那么，混合多種語(yǔ)言訓(xùn)練是否存在 “協(xié)同效應(yīng)”（Synergy）？研究團(tuán)隊(duì)構(gòu)建了一個(gè)詳盡的協(xié)同增益矩陣，量化了引入輔助語(yǔ)言對(duì)目標(biāo)語(yǔ)言性能的影響。

實(shí)驗(yàn)發(fā)現(xiàn)，絕大多數(shù)語(yǔ)言都能從多語(yǔ)言混合訓(xùn)練中獲益，且收益大小與語(yǔ)法相似度高度相關(guān)。例如，Java 與 C#、JavaScript 與 TypeScript 這類(lèi)語(yǔ)法結(jié)構(gòu)高度相似的語(yǔ)言對(duì)，在混合訓(xùn)練時(shí)表現(xiàn)出極強(qiáng)的正向遷移效果。

更有趣的是，這種遷移往往是非對(duì)稱(chēng)的。Java是多語(yǔ)言訓(xùn)練的最大受益者，幾乎與任何語(yǔ)言混合都能大幅降低其 Loss，這可能是因?yàn)?Java 作為成熟的面向?qū)ο笳Z(yǔ)言，能從其他語(yǔ)言的范式中汲取通用邏輯。而Python雖然是代碼領(lǐng)域的通用 “供體”（幫助其他語(yǔ)言提升），但其自身從其他語(yǔ)言獲得的收益卻相對(duì)有限，甚至在某些混合比例下會(huì)出現(xiàn)輕微的負(fù)遷移。這一發(fā)現(xiàn)提示我們，在構(gòu)建語(yǔ)料庫(kù)時(shí)需要精細(xì)設(shè)計(jì)混合策略，而非盲目地 “大雜燴”。

表 1：協(xié)同增益矩陣。紅色越深代表輔助語(yǔ)言（列）對(duì)目標(biāo)語(yǔ)言（行）的提升越大。Java 所在的行顯示出它能從所有輔助語(yǔ)言中獲得顯著收益)

跨語(yǔ)言對(duì)齊策略：并行配對(duì)激發(fā) Zero-Shot 能力

除了單語(yǔ)言生成，跨語(yǔ)言翻譯（如 Java 轉(zhuǎn) Python）也是代碼模型的重要能力。論文對(duì)比了兩種數(shù)據(jù)組織策略：傳統(tǒng)的“隨機(jī)打亂”（Random Shuffling）和“并行配對(duì)”（Parallel Pairing）—— 即將一段代碼與其翻譯版本拼接在同一個(gè) Context 中輸入模型。

實(shí)驗(yàn)結(jié)果表明，并行配對(duì)策略在所有模型規(guī)模上均顯著優(yōu)于基線(xiàn)。這種策略實(shí)際上利用了模型的長(zhǎng)上下文窗口，構(gòu)建了隱式的文檔級(jí)對(duì)齊信號(hào)。更關(guān)鍵的是，這種策略激發(fā)了模型在Zero-Shot（零樣本）方向上的泛化能力。例如，模型僅訓(xùn)練了 Python?Java 和 Python?Go 的配對(duì)數(shù)據(jù)，但在測(cè)試從未見(jiàn)過(guò)的 Java?Go 翻譯任務(wù)時(shí)，基于并行配對(duì)訓(xùn)練的模型表現(xiàn)出了驚人的組合泛化能力。這證明了通過(guò)構(gòu)建以 Python 為樞紐的平行語(yǔ)料，可以有效拉齊不同編程語(yǔ)言的向量空間。

圖 4：三種策略在跨語(yǔ)言翻譯任務(wù)上的表現(xiàn)對(duì)比。綠色線(xiàn)條代表的并行配對(duì)策略（Prompt-based Concatenation）在各方向上均取得最低 Loss)

最優(yōu) Token 分配指南：基于邊際效用的經(jīng)濟(jì)學(xué)

基于上述發(fā)現(xiàn)，論文提出了“科學(xué)配比的多語(yǔ)言 Scaling Law”（Proportion-dependent Multilingual Scaling Law）。這不僅是一個(gè)理論公式，更是一套指導(dǎo)算力投資的行動(dòng)指南。

在總算力固定的約束下，傳統(tǒng)的均勻分配并非最優(yōu)解。最優(yōu)策略應(yīng)遵循邊際效用最大化原則：

1. 重倉(cāng)高潛力語(yǔ)言：大幅增加Python的 Token 占比，因?yàn)樗?Scaling 指數(shù)高，投入更多數(shù)據(jù)能帶來(lái)持續(xù)的性能爬坡。
2. 平衡高協(xié)同組合：利用JavaScriptTypeScript的互補(bǔ)性，保持兩者適度的比例以最大化協(xié)同增益。
3. 削減早熟語(yǔ)言投入：適當(dāng)減少RustGo的數(shù)據(jù)占比。因?yàn)樗鼈兪諗靠欤^(guò)多的數(shù)據(jù)投入只會(huì)帶來(lái)邊際收益的快速衰減，不如將這部分算力轉(zhuǎn)移給更難學(xué)的語(yǔ)言。

實(shí)驗(yàn)驗(yàn)證顯示，采用這種 “引導(dǎo)式分配” 策略訓(xùn)練出的 1.5B 模型，在多語(yǔ)言代碼生成（MultiPL-E）和翻譯任務(wù)上，均穩(wěn)定優(yōu)于均勻分配的基線(xiàn)模型，且沒(méi)有任何一種語(yǔ)言因數(shù)據(jù)減少而出現(xiàn)顯著的性能退化。

圖 5：基線(xiàn)策略 vs 優(yōu)化后的 Token 分配方案?；?Scaling Law 的建議大幅增加了 Python（藍(lán)色）的占比，同時(shí)削減了 Rust（橙色）和 Go（青色）的占比)

總結(jié)與啟示

這項(xiàng)工作是代碼大模型領(lǐng)域一次重要的 “去魅” 過(guò)程。它用詳實(shí)的數(shù)據(jù)證明，編程語(yǔ)言在模型訓(xùn)練的視角下絕非同質(zhì)。

對(duì)于致力于訓(xùn)練 Code LLM 的團(tuán)隊(duì)而言，這意味著數(shù)據(jù)工程的重點(diǎn)應(yīng)從單純的 “清洗與去重” 轉(zhuǎn)向更宏觀(guān)的 “成分配比”。理解不同語(yǔ)言的 Scaling 特性（是像 Python 一樣潛力巨大，還是像 Rust 一樣迅速飽和）以及它們之間的協(xié)同關(guān)系，能夠幫助我們?cè)谟邢薜乃懔︻A(yù)算下，訓(xùn)練出綜合代碼能力更強(qiáng)的基座模型。這不僅是算法的優(yōu)化，更是資源配置效率的提升。