小米 CodeMidas 用源码生成 RL 环境,DeepSWE 从 10% 提到 21.7%
maier_ak · x · 2026-09-22
小米 MiMo 团队发布 CodeMidas,一种把现有开源代码库直接转化为可执行 RL 训练环境的 agentic 流水线。
- 核心思路:传统方法依赖 issues、commits 等开发痕迹来提取任务,CodeMidas 仅用源码本身作为输入,agent 自主探索代码已实现的功能、生成行为规范,基于原代码的执行结果构造测试,并通过执行校验与多次求解 rollout 验证过滤任务。
- 数据规模:从 3,185 个开源代码库产出 5,545 个训练任务,覆盖 23 种编程语言、15 个技术领域。
- 训练效果:用 GRPO 在这些任务上训练 MiMo-V2.5,在五项基准上全面提升:DeepSWE +11.7%(转推称从 10.0% 翻倍至 21.7%)、ProgramBench +17%、Terminal-Bench v2.1 +8.5%。
- 意义:为 coding agent 的 RL 训练提供了不依赖开发痕迹、可大规模扩展的环境生成方案,论文已上 arXiv(2609.22068)。
所属事件:小米发布CodeMidas：从源码自动生成5545个RL编码环境(5 条相关)→
「编程与Agent」频道最新
- Agent 过了评测还不够：Anthropic「瑞士奶酪模型」谈多层质检盲区 — hugobowne · 2026-09-22
- OpenAI 艺术家团队全员用上 Codex,两周内普及率 100% — andrew_n_carr · 2026-09-22
- PyTorch 官方推 TinyTorch:20 模块纯 Python 从零造 ML 框架 — PyTorch · 2026-09-22
- Codex 自适应推理：根据任务难度在思维链中途动态调整推理力度 — daniel_mac8 · 2026-09-22
- 用 Codex 搭端到端视频剪辑发布流水线，AI 解放创作瓶颈 — brandon_galang · 2026-09-22
- 用 Codex 操控 Blender 截图对齐装配零件的实操技巧 — majidmanzarpour · 2026-09-22