从现有代码自动提取RL训练环境
推荐指数 81.0 NO. 023 · 2026.09.22
upvotes86comments2
为什么值得看
CodeMidas 是一个全自动 pipeline，无需 issue/commit 等开发产物，仅通过源码就能将已实现的功能转化为可执行的代码智能体 RL 训练环境。对做代码 Agent RL 训练的团队来说，这解决了数据瓶颈，能大规模扩展任务多样性。
媒体预览
编辑判断
现有代码 RL 训练环境大多依赖 GitHub issue 和 commit，数据来源窄且清洗成本高，CodeMidas 直接吃源码本身，相当于把「已完成但未被记录为任务」的功能也纳入训练集，任务空间扩大了一个数量级。
它的验证环节用原始代码的执行结果当 ground truth，这比 LLM-as-judge 可靠得多，但代价是对 runtime 依赖重，复杂项目的环境搭建可能是落地瓶颈。
论文提到代码会开源，如果你在做代码 Agent 的 RL 后训练（类似 OpenAI 的 SWE-bench 路线），建议等代码放出后重点看它的 test construction 模块，这可能是复现难度最高的部分。