CodeMidas：直接利用源代码扩展智能体编码强化学习环境
CodeMidas 是一个自动化管线，旨在通过直接从现有源代码中生成任务，来扩展编码智能体（Agent）的强化学习（RL）环境。与依赖 Issue 或 Commit 等开发遗留产物的传统方法不同，CodeMidas 利用智能体分析代码库、制定行为规范，并验证基于执行的测试。该管线在 23 种编程语言中生成了 5,545 个训练任务。通过 GRPO 算法在此数据集上训练 MiMo-V2.5 模型后，在 DeepSWE (+11.7%) 和 ProgramBench (+17%) 等多个关键基准测试中均取得了显著的性能提升。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。