Исследователи представили MindForge — метод обучения малых языковых моделей (SLM) полному циклу разработки программного обеспечения. В отличие от существующих систем, фокусирующихся на правке кода, MindForge позволяет моделям эффективно синтезировать программы с нуля. Решение направлено на преодоление барьера, при котором даже передовые LLM успешно справляются менее чем с 1% задач по созданию полноценных приложений.
Основная проблема текущих подходов заключается в отсутствии масштабируемых сред для обучения агентных систем программированию. MindForge предлагает фреймворк для «бесшовного» синтеза программ, который минимизирует зависимость от исходных кодовых баз. Это позволяет моделям лучше понимать архитектурные принципы и логику построения систем, а не просто имитировать паттерны из обучающих выборок.
Технология использует специализированные методы генерации кода, которые позволяют малым моделям демонстрировать производительность, сопоставимую с крупными архитектурами в задачах программной инженерии. Это открывает возможности для развертывания эффективных ИИ-агентов-разработчиков на локальных мощностях без необходимости обращения к облачным API с миллиардами параметров.
Ключевые факты
- MindForge ориентирован на обучение малых языковых моделей (SLM) полному жизненному циклу разработки ПО.
- Текущие передовые модели решают менее 1% задач по созданию программ с нуля согласно бенчмарку ProgramBench.
- Метод использует стратегию синтеза программ без опоры на существующие кодовые базы (source-free program synthesis).
- Подход направлен на создание масштабируемых сред обучения для агентных систем, способных проектировать архитектуру приложений.