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 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
- 让编码 agent 不产垃圾代码的 7 步法：单月合入 1.1 万 PR、回滚率 0.5% — TheTuringPost · 2026-11-12
- Every agent 新功能：从 Slack 直接创建和编辑 Google 表单 — every · 2026-11-12
- Notion MCP Server 支持 CRUD 全流程,可接入 Cursor 与 Claude — modelcontextprotocol · 2026-11-12
- MuniSpot MCP 连接器覆盖 2 万多个美国市政财务数据 — modelcontextprotocol · 2026-11-12
- AI agent 用得越多，瓶颈越是你自己：人类信息处理仅 10 bits/s — soumitrashukla9 · 2026-11-12
- 2026 年每个工程师都被「晋升」成 Tech Lead:从带人变成带 Agent — rseroter · 2026-11-12