跳到主要内容
检索

# CodeMidas 代码RL环境构建流水线

1 篇关联报道

订阅更新
  1. arXiv

    从代码本身长出训练场:CodeMidas 如何把已实现功能变成编码智能体的强化学习环境

    CodeMidas 提出一条以源代码为唯一任务特定输入的智能体流水线,把开源代码库中已实现的功能转化为可执行、可验证的编码强化学习环境,产出 5,545 个训练任务(来自 3,185 个代码库、23 种编程语言、15 个技术领域),并用 GRPO 训练 MiMo-V2.5,在五个外部基准上全部取得提升,包括 DeepSWE 通过率从 10.0% 升至 21.7%、ProgramBench 的 Almost Solved 从 4.5 升至 21.5、Terminal-Bench v2.1 从 63.7% 升至 72.2%。

已读完全部报道