知识卡片：MindForge：通过无源程序合成教小语言模型全生命周期软件工程

一句话结论

MindForge 将开源命令行程序自动转换为“无源”训练环境（仅暴露编译后的可执行文件和文档），由此生成的合成训练数据能使小模型（Qwen3.6-27B）在从零编写完整程序这一极具挑战的任务上取得显著提升，并泛化到七种未见过的软件工程基准上。

事件概述或研究问题

当前编码智能体在修改已有代码库（如 bug 修复、功能实现）方面取得了较大进展，但“从零构建一个完整程序”仍是重大挑战——即使顶尖模型在 ProgramBench 上的完整解决率也不到 1%。主要障碍是缺乏覆盖软件工程全生命周期的、可扩展的训练环境。现有环境构建框架通常只聚焦于单一步骤。MindForge 旨在填补这一空白。

方法/产品要点

核心框架：自动化流水线，将开源命令行程序转换为“无源环境”（source-free environment），该环境仅暴露编译后的参考可执行文件及其文档，不提供源代码。
训练数据生成：使用 GLM-5.2 作为教师代理（teacher agent），在 MindForge 构建的环境中生成完整的程序合成轨迹（program synthesis trajectories）。训练环境和数据均与 ProgramBench 的代码库不重叠。
学生模型：Qwen3.6-27B，通过微调上述轨迹来学习全生命周期软件工程能力。

主要结果或产业意义

ProgramBench 平均测试通过率：从 37.98% 提升至 49.51%，达到与显著更大规模的前沿模型相当的性能。
跨基准通用性：在全部七个未见过的软件工程基准上均有一致提升，涵盖长周期仓库生成与翻译、Bug 修复、功能实现、跨语言问题解决等：
- RepoZero-C2Rust：绝对增益 31.00 点
- DeepSWE：14.16 点
- NL2Repo-Bench（有/无测试）：10.70/4.56 点
- SWE-bench Verified：5.04 点
- SWE-bench Pro：5.93 点
- SWE-bench Multilingual：5.22 点
- FeatBench：4.94 点
产业意义：提供了一种低成本、可扩展的范式，使小模型能够通过无源合成数据获得全生命周期软件工程能力，有望降低对大规模闭源模型的依赖。

为什么重要

首次提出针对“从零写完整程序”这一全生命周期场景的自动训练环境构建方法，而此前工作大多聚焦单一步骤（如仅 bug 修复或仅功能实现）。
证明了无源环境（不依赖源代码）生成的合成轨迹足以教会模型多种软件工程技能，且泛化性出色。
微调后的小模型（27B）在多项基准上接近或超越更大规模模型，展示了数据质量与训练策略的重要性。

局限与不确定性

环境构建仅针对命令行程序，对其他类型的程序（如图形界面、分布式系统）是否适用待核实。
教师代理为 GLM-5.2，若更换其他教师模型或使用不同来源的合成轨迹，效果是否稳定待核实。
无源环境中只暴露可执行文件和文档，可能导致模型无法学习某些依赖代码结构的高阶重构技术，待进一步评估。
已有结果基于 Qwen3.6-27B，在其他小模型或不同规模上的可迁移性待核实。

可用于图书/PPT/简报的角度

图表建议：1）传统编程智能体 vs. MindForge 全生命周期流程对比图；2）微调前后模型在多个基准上的性能柱状图；3）无源环境构建示例（源程序 → 编译 + 文档抽取 → 可供采样的环境）。
核心论点：“如果数据足够好，小模型也能学会写完整程序”——强调合成数据质量和训练范式设计比模型规模更重要。
可关联的产业趋势：AI for Software Engineering 从代码补全走向端到端程序生成，MindForge 提供了可复现的规模化路径。

原始材料

URL: https://arxiv.org/abs/2607.27146v1
英文标题: MindForge: Teaching Small Language Models Whole-Life-Cycle Software Engineering via Source-Free Program Synthesis
英文关键词: foundation-model, software engineering, program synthesis, source-free environment, whole-life-cycle
原始来源：arXiv预印本（2026年7月）