CodeMidas：从现有源码自动构造Agent训练环境

CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

让Agent从源码反推功能、生成可执行测试并反复验证，从3185个仓库构造5545项任务。训练实验在多项Coding Agent基准上提升，但任务质量仍取决于自动测试能否覆盖原功能；本期作为MiMo-V2.6配套论文补看。

首次公开：2026-09-18 · 收录：2026-09-22

相关期次：2026-09-22 精选 · 2026-09-22 特别版

阅读笔记

CodeMidas只以现有源码为任务输入，让Agent探索功能、写出行为规格、生成可执行测试，再用多次解题rollout筛选任务。最终从3185个仓库构造5545项训练任务，覆盖23种语言和15个技术领域。

它的意义在于扩大Agent强化学习环境的供给：不再依赖GitHub issue或提交记录，而是从已经实现的功能反推任务和验证器。论文报告用这些任务训练MiMo-V2.5后，DeepSWE、ProgramBench和Terminal-Bench均提升。

这些提升来自论文和小米团队自己的训练实验，尚需独立复现；任务质量仍取决于自动生成测试是否真正覆盖原功能。本期作为MiMo-V2.6条目的配套论文收录，重要度8.6/10。

原文：https://arxiv.org/abs/2609.22068
项目：https://mimo.xiaomi.com/rl/
本期资料页：https://www.asteronline.cn/juju-radar/2026-09-22/

AI辅助整理。

笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。