小米 CodeMidas:从源码自动生成 5545 个 RL 环境训练编程智能体
XiaomiMiMo · hf · 2026-09-21
小米 MiMo 团队发布 CodeMidas，一种仅以源代码为输入、自动构建智能体编码 RL 环境的流程。现有方法多依赖 issue、commit 等开发产物，任务来源受限；CodeMidas 则把已实现功能直接转化为可执行 RL 环境：
- 流程：agent 探索代码功能生成行为规格 → 基于原始代码执行构建测试 → 通过执行检查与多次求解 rollout 验证筛选任务
- 规模：从 3185 个开源代码库提取 5545 个训练任务，覆盖 23 种编程语言、15 个技术领域
- 效果：用 GRPO 训练 MiMo-V2.5 后，DeepSWE +11.7%、ProgramBench +17%、Terminal-Bench v2.1 +8.5%
- 消融：高质量任务数量增加带来持续收益；轨迹分析显示训练后 agent 更多探索代码库、自验证行为更多样
所属事件:小米 MiMo 发布 CodeMidas：仅凭源码自动生成 5545 个编码 RL 环境(6 条相关)→
「编程与Agent」频道最新
- 两人小公司用 46 个 AI Agent 运营：审批门禁、哈希锁文件与翻车复盘 — dkovl · 2026-11-12
- Plurai 发布 Agent 仿真测试插件:数字孪生让 Agent 先在虚拟世界翻车 — nikola_mr64990 · 2026-11-12
- Agent 说「Done」不等于真做完:Plurai 仿真核验实际行为 — nikola_mr64990 · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12