arXiv cs.AI·41 天前★ 3

CodeMidas：从代码本身扩展智能体编码 RL 环境

原文标题：CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 CodeMidas，仅以源代码为任务输入，将现有代码库中已实现的功能转化为可执行 RL 环境，通过智能体探索、测试构建与执行验证过滤候选任务。产出 5,545 个训练任务、覆盖 3,185 个代码库与 23 种语言，用 GRPO 训练 MiMo-V2.5 在五个基准上全面提升。

论文速读 · 四段结构cs.SE去论文速读 →

问题: 编码智能体 RL 训练缺多样且可验证的任务，现有方法依赖 issue、commit 等开发产物。
方法: 仅以源代码为输入，用智能体探索已实现功能、构造基于原代码执行的测试并过滤，生成可执行 RL 环境。
结果: 产出 5,545 个任务、覆盖 3,185 个代码库与 23 种语言；GRPO 训练 MiMo-V2.5 在五个基准全面提升，DeepSWE +11.7%、ProgramBench +17%、Terminal-Bench v2.1 +8.5%。
影响: 自建编码 RL 数据管线的团队可直接复用该思路，把任意代码库转成训练环境。

深读 · 结论先行AI 生成展开看要点与影响 ↓

CodeMidas仅用源代码生成5,545个RL任务，GRPO训练MiMo-V2.5在五个基准全面提升。

为什么重要：编码智能体RL的瓶颈是任务与验证器供给，绕开issue/commit可把海量开源代码直接变成训练数据。

以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。

所属主题AI编程8

AI 处理过程展开/收起

原始标题：CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

AI 中文标题：CodeMidas：从代码本身扩展智能体编码 RL 环境

来源：arXiv cs.AI · 发布于 41 天前

分类：学术研究 · AI 重要度：★ 3（3）

标签：强化学习 / 编码智能体 / 训练环境 / GRPO / AI编程

关键词：coding agents / reinforcement learning / RL environments / GRPO

AI 生成以上内容由 AI 自动生成：中文标题、摘要、分类与重要度；同一事件的多家报道会自动归并展示。内容仅供参考，可能存在偏差，请以原文为准，不构成任何投资或专业建议。
版权归原作者与原发布平台所有；若涉及侵权或信息错误，请在举报与侵权投诉页反馈，我们会及时处理。

相关推荐