CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

CodeMidas 让代理从已有实现中探索行为、写测试、反复回放验证，再把功能转成 RL 环境，绕开依赖 issue/commit 的任务来源限制。产物含 3,185 个代码库的 5,545 个任务，覆盖 23 种语言和 15 个技术领域；GRPO 训练 MiMo-V2.5 后，DeepSWE、ProgramBench、Terminal-Bench v2.1 分别提升 11.7%、17% 和 8.5%，且代理更常探索代码库并自我验证。