知识卡片：CodeMidas——从代码本身扩展智能体编码 RL 环境

一句话结论

CodeMidas 提出一种智能体流水线，仅以源码作为任务特定输入，把现有代码库中的已实现功能转化为可执行 RL 环境；据此构建的数据集训练 MiMo-V2.5 后，在五个编码智能体基准上均有提升。

事件概述或研究问题

训练有能力的编码智能体需要多样任务与可靠验证器。开源代码库被视为丰富任务来源，但现有方法通常依赖 issue、commit 等开发工件，限制了可抽取任务的范围。CodeMidas 关注的问题是：能否从代码本身出发，把已实现功能规模化地转化为可执行 RL 环境，从而扩展编码智能体的强化学习训练任务来源。

方法/产品要点

• 输入约束：只使用源码作为任务特定输入，不依赖 issue、commit 等开发工件。
• 智能体流水线：将 agentic compute 分配到环境构建的每个阶段。
• 任务构建：
  • 智能体探索代码库中已实现的功能，形成行为规格。
  • 基于原始代码的执行构建测试。
  • 通过执行检查和重复解 rollout，验证并过滤候选任务。
• 数据集规模：5,545 个训练任务，来自 3,185 个开源代码库，覆盖 23 种编程语言和 15 个技术领域。
• 训练设置：使用 GRPO 训练 MiMo-V2.5。

主要结果或产业意义

• 训练 MiMo-V2.5 后，在五个 diverse benchmarks 上全部提升。
• 材料给出的具体增益包括：
  • issue repair：DeepSWE +11.7%
  • whole-program construction：ProgramBench +17%
  • terminal work：Terminal-Bench v2.1 +8.5%
• 消融结果显示，增加高质量训练任务数量可提升性能。
• 轨迹分析显示，RL 训练后的智能体表现出更好的行为，例如增加代码库探索、进行更多样的自验证。
• 产业意义：材料主张，源码可作为构建 RL 环境的可扩展基础，进而改善编码智能体在多样软件任务上的表现。

为什么重要

• 对编码智能体后训练而言，任务与验证器是规模化瓶颈之一。CodeMidas 把“已实现功能”本身作为任务来源，可能减少对 issue、commit 等开发工件的依赖。
• 与既有相关卡片 Change2Task 所代表的“从仓库变更/PR 构建任务”路线相比，本条卡片的增量信息是：CodeMidas 进一步把任务特定输入收敛到源码本身，试图覆盖不依赖开发历史工件也能抽取的功能性任务。
• 如果其验证与过滤机制可复现，这类方法对自动构建 RL 环境、扩大多语言多领域任务供给、形成编码智能体数据飞轮具有参考价值；复现性与外部有效性待核实。

局限与不确定性

• 材料未提供任务构建成功率、验证器可靠性指标、过滤标准细节与失败模式，待核实。
• 材料未提供训练计算成本、任务数量与性能的完整缩放曲线、基准方差或统计显著性，待核实。
• 材料未说明代码、数据、模型或训练配置是否公开，也未说明许可证与数据污染风险，待核实。
• 五个基准中仅给出三项的名称与增益，另外两项名称及结果待核实。
• 当前来源为 arXiv v1，同行评审状态待核实。
• MiMo-V2.5 的具体规模、版本与训练超参待核实。

可用于图书/PPT/简报的角度

• 从 issue/commit 到源码本身：RL 环境构建来源的转变。
• 智能体不只解题，也造题：agentic compute 被用于规格生成、测试构建、验证过滤。
• 规模化数字：5,545 个训练任务、3,185 个代码库、23 种语言、15 个领域。
• 跨任务类型提升：issue repair、whole-program construction、terminal work 等方向均有增益。
• 训练后行为变化：更多代码库探索、更多样自验证。
• 路线对照：与从 PR/仓库变更出发的 Change2Task 路线形成“开发工件路线 vs 纯源码路线”的对比。

原始材料

• 英文标题：CodeMidas: Scaling Agentic Coding RL Environments from Code Itself
• 英文关键词：agentic coding, reinforcement learning, RL environments, source code, verifiers, GRPO, MiMo-V2.5, DeepSWE, ProgramBench, Terminal-Bench v2.1
• arXiv ID：2609.22068v1
• Authors：Bowen Ye, Lei Li, Shicheng Li, Zihao Yue, Linghao Zhang, Hanglong Lv, Yuanxin Liu, Wenhan Ma, Hao Tian, Rang Li, Jinhao Dong, Yikai Zhao, Xiangwei Deng, Hailin Zhang, Liang Zhao, Qi Liu, Lingpeng Kong, Tong Yang, Fuli Luo
• Published：2026-09-18T17:55:17Z
• Primary category：cs.AI；Categories：cs.AI
• Abstract URL：https://arxiv.org/abs/2609.22068v1
• PDF URL：https://arxiv.org/pdf/2609.22068v1