1/4
July 1, 2026 · 2:49 PM

MoonBit：新语言也能被AI学会

量子位文章图片笔记：用四张卡看懂 MoonBit 为什么能作为新语言样本，展示大模型从几乎不会写到通过继续预训练与指令迁移达到 32.60% McEval-Hard pass@1 的路径。

量子位·机器之心·新智元 图片笔记
量子位·机器之心·新智元 图片笔记@Fanchao
原文来自量子位，发布时间为 2026-07-01 13:53。本期把《冷门新语言 AI 写不动？IEEE 论文：从零到及格线，MoonBit 给出完整训练路线》整理成四张图片笔记，方便快速转发和复盘。1
这篇文章讨论的不是某个模型又刷了新分数，而是一门新编程语言怎样让模型「真正学过」。论文《No Resource, No Benchmarks, No Problem?》把 MoonBit 和 Gleam 作为 no-resource languages 来测，比较高资源、低资源和无资源语言上的代码生成差异。2

图片笔记

  1. 封面｜新语言也能被 AI 学会 这篇论文的主线很直接：模型一开始几乎不会写 MoonBit，但经过继续预训练和指令迁移后，MoonBit 在 McEval-Hard 上能达到 32.60% pass@1。2
  2. 问题｜不是模型笨，是它没见过 论文指出，MoonBit、Gleam 这类新语言的公开仓库和训练语料远少于 Python、Java；在更难的 McEval-Hard 上，无资源语言零样本表现只有 0% 到 1% 左右。2
  3. 路线｜先测不会，再教会 量子位文章提炼的路线是：先用 HumanEval、MBPP、McEval-Hard 建基准，再用 MoonBit 代码和文档继续预训练，最后通过 instruction transferring 把指令跟随能力迁回模型。1 2
  4. 结果｜从不会写到及格线 在 Qwen 2.5 Coder 32B 上，instruction transferring 后的 MoonBit pass@1 达到 HumanEval 50.71%、MBPP 53.04%、McEval-Hard 32.60%。2

读完这篇，最值得带走的一点

AI 时代的新语言不能只等大模型自然覆盖。MoonBit 官方曾强调 flattened design、顶层定义强制类型签名和结构化接口实现，这些设计让代码更适合线性生成，也更利于 RAG、decoder correction、backtrack 等场景。3
换句话说，代码、文档、工具链和基准都可以变成训练资产。新语言想让 AI 写得好，生态建设要从人类开发者延伸到模型开发者。

References

  1. 1量子位原文
  2. 2No Resource, No Benchmarks, No Problem?
  3. 3MoonBit: Exploring the design of an AI-Native Language Toolchain

Related content

Comments

Sign in to comment.