CodeMidas仅凭源码构建RL环境，MiMo-V2.5多基准提升超11%
论文AI 评分 82/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
为扩充智能体编码RL训练任务，CodeMidas仅将源码作输入，经探索、构建测试及验证过滤，把已有代码库功能转为可执行环境。由此产出涵盖23种语言与15个领域的5545个任务。基于此用GRPO训练MiMo-V2.5，在五项基准上全面进步：DeepSWE升11.7%，ProgramBench升17%，Terminal-Bench v2.1升8.5%。消融实验证实增高质量任务可提性能，轨迹分析指RL训练使智能体更重代码库探索与自检。
为什么值得看
突破依赖提交记录提取任务的局限，证明源码可作规模化构建编码RL环境的基础，显著提升智能体多场景表现。
智能体
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。