本研究提出RepoTransBench，以解决现有代码翻译基准无法满足真实编码需求的问题。研究表明，最佳语言模型的成功率仅为7.33%，经过迭代调试后提高至21%，显示自动代码库翻译的可靠性仍需提升。

本研究探讨了如何利用大型语言模型提升科学计算中的代码开发和翻译效率。通过开发CodeScribe工具，结合提示工程和用户监督，实现了高效的代码转换，尤其是将Fortran代码转换为C++，显著提高了科研计算的生产力。研究表明，自动化代码翻译在软件开发中具有重要潜力。

本文探讨了大型语言模型（LLMs）在编程中的应用，特别是在代码翻译、优化和重构方面。研究表明，LLMs能够显著提升代码编辑性能，并在编程教育中具有重要价值。通过改进数据质量和模型微调，LLMs在代码生成和缺陷检测等任务中表现出色。文章还提出了新的框架和方法，以提高代码生成的准确性和效率。