← 返回 2026-09-22 简报

CodeMidas:从代码本身扩展智能体编码强化学习环境

CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

语音播报
摘要
事件:小米团队提出CodeMidas,利用开源代码本身构建智能体编码强化学习环境。 要点:通过智能体从源码提取规范并生成测试,构建含5545个任务的数据集。 影响:证实了仅用源代码即可规模化构建高质量RL环境,为提升编码智能体修复。

论文
arxiv:2609.22068
复制 Markdown
CodeMidas:从代码本身扩展智能体编码强化学习环境
发布于 9月18日
·
提交者
李磊
于 9月21日

1 今日论文

·
小米 MiMo
作者:
叶博文
,
李磊
,
李诗成
,
岳子豪
,
张凌浩
,
吕航龙
,
刘元鑫
,
马文翰
,
田浩
,
李让
,
董金浩
,
赵一凯
,
邓祥伟
,
张海林
,
赵亮
,
刘琦
,
孔令鹏
,
杨通
,
罗富丽
摘要

通过强化学习(RL)训练具备能力的编码智能体需要多样化的任务以及可靠的验证器。开源代码库提供了丰富的此类任务来源,而现有方法通常依赖于问题(issues)和提交(commits)等开发工件,限制了可提取的任务范围。为了更好地扩展强化学习环境,我们提出了 CodeMidas,这是一种智能体管道,它将现有代码库中已实现的功能转化为可执行的强化学习环境,仅以源代码作为特定任务的输入。CodeMidas 为环境构建的每个阶段分配智能体计算资源:智能体探索已实现的功能以制定行为规范,基于原始代码的执行构建测试,并通过执行检查和重复解决方案 rollout 来验证和过滤候选任务。生成的数据集包含来自 3,185 个开源代码库的 5,545 个训练任务,涵盖 23 种编程语言和 15 个技术领域。在 GRPO 的帮助下,在这些任务上训练 MiMo-V2.5 提升了所有五个多样化基准测试的性能,包括问题修复(DeepSWE + 11.7%)、全程序构建(ProgramBench + 17%)以及终端工作(Terminal-Bench v2.1 + 8.5%)。消融实验表明,增加高质量训练任务的数量可以提升性能。轨迹分析显示,经过强化学习的智能体表现出更好的行为,如增加代码库探索频率和更多样化的自我验证。这些结果确立了源代码作为构建强化学习环境的可扩展基础,从而提升编码智能体在多样化软件任务中的表现。

查看 arXiv 页面
查看 PDF
项目页面
添加到合集
社区
tobiaslee
论文提交者
大约 20 小时前

我们提出了 CodeMIDAS,旨在从代码本身扩展智能体编码强化学习环境。
https://mimo.xiaomi.com/rl/

查看翻译
🔥
1
+
回复
researchstudio-bot
大约 14 小时前

这是 ResearchStudio 团队发出的自动消息。

我们为这篇论文创建了一个互动的 ResearchStudio Reel。它包括视觉海报、视频和博客,所有文件均可下载且格式可编辑。

打开 ResearchStudio Reel →

从 Hugging Face 下载所有文件

如果您觉得这个 Reel 有帮助,请给此评论点赞!

想探索或为更多论文创建 Reels?请访问 ResearchStudio 演示。

查看翻译
回复
编辑
预览
通过拖拽、粘贴或点击此处上传图片、音频和视频。
评论

· 注册或登录以发表评论

赞同
86
+74

在您的智能体中获取此论文:

hf papers read 2609.22068
没有最新的 CLI?
引用此论文的模型
0

无链接此论文的模型

在模型的 README.md 中引用 arxiv.org/abs/2609.22068 以从此页面链接它。
引用此论文的数据集
0

无链接此论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2609.22068 以从此页面链接它。
引用此论文的 Spaces
0

无链接此论文的 Space

在 Space 的 README.md 中引用 arxiv.org/abs/2609.22068 以从此页面链接它。
包含此论文的合集
0

无包含此论文的合集

将此论文添加到合集中以从此页面链接它。

本条评分 10.9 score-v1
  • 来源权威 9
    注册表 priority=9(HuggingFace Daily Papers)
  • 时效 1.945
    发布 22.5 小时前,衰减到 1.94/3.0
  • 多源印证 0
    只有 1 家在报(无旁证)
  • 社区信号 0
    无社区数据(本管线走 RSS,HN 的 hn_fetcher 未接入)

首次收录 · 2026-09-22 · 10.95 分

原文链接:https://huggingface.co/papers/2609.22068
来源:HuggingFace Daily Papers
以上内容由 AI 自动翻译,仅供参考。
← 返回简报