CodeMidas：从源码自动生成可执行的编码 RL 训练环境

burny_tech · x · 2026-09-23

arXiv 新论文 CodeMidas: Scaling Agentic Coding RL Environments from Code Itself，作者包括 Lei Li、Lingpeng Kong 等团队。核心思路：把原始源代码直接转化为可执行的 RL 训练任务，从而大规模构造 agentic coding 的强化学习环境。

实验中，用该方法生成的环境做 RL 训练，让 MiMo-V2.5 在五个不同的编码 benchmark 上均取得提升。对训练编码 agent 或构建自动化合成验证数据的团队，这是一条可直接借鉴的环境规模化路径。