低资源编程语言指训练语料稀少、AI 模型掌握程度有限的编程语言，如 COBOL、Fortran 等遗留系统语言，以及各类小众语言。与 Python、JavaScript 等主流语言相比，它们在代码大模型的基准测试中表现长期落后，但其中不少仍支撑着银行、政府等关键系统。近期 OpenAI 的一系列工作让这一领域重新受到关注。
低资源编程语言的近期进展
当前焦点与观察点
当前的讨论主要集中在两点：一是技术路线，即如何在不依赖海量公开语料的前提下提升模型对小众语言的掌握，常见手段包括针对性数据增强与专项微调；二是实际价值，全球仍存在大量由 COBOL、Fortran 等编写的遗留系统，相关维护人才持续减少，AI 辅助迁移因此被视为缓解风险的可行路径。
需要观察的问题包括：97.9% 这类基准成绩在真实复杂系统中的可复现程度尚待验证；迁移结果的正确性如何审计也是工程落地的关键；此外，除 COBOL 外，其他低资源编程语言能否获得同等水平的提升，仍取决于数据与需求的平衡。总体来看，低资源编程语言正从 AI 编程能力的短板，转变为厂商差异化竞争的新方向。