TY  - UNPB
TI  - CodeMidas: Scaling Agentic Coding RL Environments from Code Itself
UR  - https://arxiv.org/abs/2609.22068
DA  - 2026-09-18
AU  - Ye, Bowen
AU  - Li, Lei
AU  - Li, Shicheng
AU  - Yue, Zihao
AU  - Zhang, Linghao
AU  - Lv, Hanglong
AU  - Liu, Yuanxin
AU  - Ma, Wenhan
AU  - Tian, Hao
AU  - Li, Rang
AU  - Dong, Jinhao
AU  - Zhao, Yikai
AU  - Deng, Xiangwei
AU  - Zhang, Hailin
AU  - Zhao, Liang
AU  - Liu, Qi
AU  - Kong, Lingpeng
AU  - Yang, Tong
AU  - Luo, Fuli
KW  - Juju Radar
KW  - Coding Agent
KW  - 强化学习
KW  - 训练环境
KW  - 待阅读
KW  - 补看
N1  - 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。
ER  -