研究通过L2CEval系统评估了大型语言模型在语言到代码生成方面的能力，并分析了影响性能的因素。同时，还对模型的置信度校准情况和输出的程序进行了评估。该研究提供了对模型能力和限制的全面了解，并发布了评估框架和模型输出，为未来研究奠定基础。

本研究使用L2CEval系统评估了大型语言模型在语言到代码生成方面的能力，并分析了影响其性能的因素。同时，提供了对模型能力和限制的全面了解，并发布了评估框架和所有模型输出，为该领域的进一步研究奠定基础。

本研究评估了大型语言模型在语言到代码生成方面的能力，分析了影响性能的因素，并衡量了模型的置信度校准情况。研究结果提供了对LLMs在语言到代码生成方面能力和限制的全面了解，并发布了评估框架和所有模型输出。