arXiv:2511.16787v1 Announce Type: new 
Abstract: This paper presents JGU Mainz's winning system for the BLP-2025 Shared Task on Code Generation from Bangla Instructions. We propose a multi-agent-based pipeline. First, a code-generation agent produces an initial solution from the input instruction. The candidate program is then executed against the provided unit tests (pytest-style, assert-based). Only the failing cases are forwarded to a debugger agent, which reruns the tests, extracts error traces, and, conditioning on the error messages, the current program, and the relevant test cases, generates a revised solution. Using this approach, our submission achieved first place in the shared task with a $Pass@1$ score of 95.4. We also make our code public.

حصل فريق NALA_MAINZ من جامعة JGU Mainz على المركز الأول في المهمة المشتركة BLP-2025 الخاصة بتوليد الشيفرة من التعليمات باللغة البنغالية، محققًا درجة $Pass@1$ تبلغ 95.4 من خلال نظامه المبتكر القائم على عدة وكلاء. يتضمن هذا النظام وكيلًا لتوليد الشيفرة يقوم بإنشاء حل أولي، يليه وكيل تصحيح الأخطاء الذي يقوم بتحسين الشيفرة بناءً على حالات الفشل في الاختبارات.

El equipo NALA_MAINZ de JGU Mainz ha asegurado el primer lugar en la tarea compartida BLP-2025 sobre generación de código a partir de instrucciones en bangla, logrando un puntaje $Pass@1$ de 95.4 con su innovador pipeline basado en múltiples agentes. Este sistema incluye un agente de generación de código que produce una solución inicial, seguido de un agente de depuración que refina el código en función de las fallas en las pruebas.

L'équipe NALA_MAINZ de JGU Mainz a remporté la première place dans la tâche partagée BLP-2025 sur la génération de code à partir d'instructions en bangla, atteignant un score $Pass@1$ de 95,4 grâce à leur pipeline innovant basé sur plusieurs agents. Ce système comprend un agent de génération de code qui crée une solution initiale, suivi d'un agent de débogage qui affine le code en fonction des échecs de test.

JGU Mainz's NALA_MAINZ team has secured first place in the BLP-2025 Shared Task on Code Generation from Bangla Instructions, achieving a $Pass@1$ score of 95.4 with their innovative multi-agent-based pipeline. This system includes a code-generation agent that creates an initial solution, followed by a debugger agent that refines the code based on test failures.

NALA_MAINZ at BLP-2025 Task 2: A Multi-agent Approach for Bangla Instruction to Python Code Generation

One More Thing in AI – Your Shortcut to AI Mastery

NALA_MAINZ at BLP-2025 Task 2: A Multi-agent Approach for Bangla Instruction to Python Code Generation

Was this article worth reading? Share it

One More Thing in AI

Chattermate

Guidejar-4eb95b

Emergent.sh

Legion AI

Jazzberry

Ready to build your own newsroom?