小米 MiMo 发布 CodeMidas：仅凭源码自动生成 5545 个编码 RL 环境

小米 MiMo 团队（与北大等机构合作）于 9 月 21 日前后在 HuggingFace 发布论文 CodeMidas（CodeMIDAS: Scaling Agentic Coding RL Environments from Code Itself），提出一种仅以源代码为输入、自动构建智能体编码 RL 环境的 agentic 流水线，并公布了大规模实验数据，为编码智能体 RL 训练提供了新的数据基础设施。

已确认

• CodeMidas 由小米 MiMo 团队联合北大等机构提出，论文在 Hugging Face 公开，@XiaomiMiMo、@eliebakouch、@teortaxesTex、@markk、@akhaliq 等多家账号转述了同一论文。
• 核心流程：智能体检查开源项目、提取编码任务、构建基于执行的测试，并丢弃损坏或可被利用的任务，最终产出经验证的 RL 环境。
• 规模数据：从 3185 个项目、23 种编程语言中生成 5545 个经过验证的 RL 训练环境。
• 据转发帖（@maierak）信息，使用 CodeMidas 训练后 DeepSWE 的表现从 10% 提升到 21.7%。

尚未确认

• DeepSWE 从 10% 提至 21.7% 的数字仅见于转发帖，未在其他一手转述帖中独立出现，具体评测基准与设置待论文细节确认。

为什么重要

• 现有 RL 编码训练方法多依赖 issue、commit 等开发痕迹，任务来源受限于有完整开发记录的仓库；CodeMidas 只需要源代码即可生成环境，大幅扩展了可用任务池。
• 自动过滤损坏与可被利用任务的机制，有助于保证基于执行的奖励信号质量，缓解 RL 训练中的 reward hacking 问题。
• 多语言、大规模的已验证环境，为训练通用编程智能体提供了新的数据基础设施。

2026-09-21 ~ 2026-09-22 · 6 条相关

• 【源头】小米 CodeMidas:从源码自动生成 5545 个 RL 环境训练编程智能体 — XiaomiMiMo · 2026-09-21
• 小米 CodeMidas 把开源代码变成 RL 训练环境，生成 5545 个任务 — teortaxesTex · 2026-09-21
• 小米 MiMo 团队发布 CodeMIDAS:从代码本身扩展智能体 RL 环境 — _akhaliq · 2026-09-22

另有 3 条近重复转述:mark_k · eliebakouch · maier_ak