DeepMind 与 MIT 提出 SMART 框架：以自然语言设计文档驱动 Agent 代码生成

Google DeepMind 与 MIT 等机构的研究团队于 2026 年 9 月 4 日在 arXiv 发表论文，推出名为 SMART 的机器学习性能建模库，提出以自然语言设计文档图替代传统代码仓库的全新软件开发范式。

• SMART 仓库的主分支几乎不存储静态代码，而是由结构化自然语言设计文档构成的有向无环图组成，功能修改直接作用于文档。
• 编码子智能体在版本构建时依据设计文档自底向上全量重新生成代码实现，从根本上消除了文档与代码实现脱节的技术债务。
• 框架通过逐步推导的算例示范以及基于 SymPy 符号表达式的最小算子中间表示，保障智能体代码生成的精确度与可验证性。
• 实验表明该生成式库在 TPU 切片上对 DeepSeek-V3 等复杂模型的服务性能评估结果达到了与手工参考模型相当的舍入精度。
• 影响/看点：该研究展示了以 “规范重构” 替代 “遗留代码修补” 的代码维护新思路，但其在工业界更大规模铺开的前提是领域需求能够被形式化精确表述且具备完善的端到端自动化测试验证机制。
• 资料依据：
• X：Elvis Saravia（2026-09-07）：https://x.com/omarsar0/status/2096983084956852537
• arXiv（2026-09-04）：https://arxiv.org/abs/2609.05364

本内容由 AI 生成，仅供参考，请注意甄别