CodeMidas 是一个把开源代码库中的已实现功能直接转化为可执行 RL 环境的管线。它仅以源代码作为任务输入，在环境构建的每一步都分配智能体算力：① 智能体遍历代码库，抽取行为规范；② 基于原始代码执行结果生成测试用例；③ 通过执行检查和多次解答回滚过滤候选任务。最终得到 5,545 条训练任务，来源于 3,185 个仓库，覆盖 23 种编程语言和 15 个技术领域。使用这些任务对 MiMo‑V2.5 进行 GRPO 训练后，在五个基准上均有提升：DeepSWE（问题修复）提升 11.7%，ProgramBench（全程序构建）提升 17%，Terminal‑Bench v2.1（终端交互）提升 8.5%。消融实验表明，任务数量的增加显著提升性能。轨迹分析显示，训练后的智能体更倾向于探索代码库并进行多样化的自我验证。该工作证明源代码是构建大规模 RL 环境的可行基石，可提升编码智能体在多样软件任务上的能力。
点评