只需源码，即可点石成金！

规模化构建 RL 环境是提升 Coding Agent 开发能力的重要路径

前提是能持续提供大量、多样、奖励可靠的训练环境

CodeMidas 构建任务只需源代码，无需配套的 Issue、PR、提交记录、现成测试或文档

前置要求少，让这套流程能用于更广泛的开源项目，为大规模 RL 持续构建训练环境

我们把构建、清洗、验证和筛选做成完整管线：

1. 反复运行检查稳定性、清理残留答案、排查测试误判，
2. 再用多轮 rollout 筛选任务，为 RL 提供更可靠的奖励

最终从 3,185 个代码库保留 5,545 个训练任务及环境，覆盖 23 种语言

实验中，3k 高质量任务的训练效果，在三项评测上超过未经清洗筛选的 8k 任务；高质量任务从 1k 增至 3k、再到 5,545，三项成绩继续提高，MiMo-V2.5 经 RL 训练后，五个外部基准全部提升

ArXiv ID: 2609.22068
代码和数据 is coming soon!!

#强化学习 #agent #howto做数据 #博士生日常 #mimo #大模型