يقدم الباحثون CodeMidas، وهو خط أنابيب وكيلي يبني بيئات التعلم بالتعزيز من الوظائف المُنفذة في مستودعات الكود المصدري مفتوح المصدر، باستخدام الكود المصدري كإدخال وحيد. تقوم الطريقة بتخصيص الحوسبة الوكيلية لاستكشاف الوظائف، وبناء اختبارات مبنية على التنفيذ، والتحقق من صحة المهام عبر عمليات تشغيل متكررة، مما يؤدي إلى مجموعة بيانات تحتوي على 5,545 مهمة تدريب عبر 23 لغة برمجة. يؤدي تدريب MiMo-V2.5 على هذه المهام باستخدام GRPO إلى تحسين الأداء في خمسة معايير متنوعة، بما في ذلك DeepSWE (+11.7%) وProgramBench (+17%) وTerminal-Bench v2.1 (+8.5%). يشير تحليل المسارات إلى أن الوكيل المدرب بالتعلم بالتعزيز يظهر سلوكيات أفضل مثل زيادة استكشاف قاعدة الكود وتنوع أكبر في التحقق الذاتي. تؤسس هذه النتائج الكود المصدري كأساس قابل للتوسع لبناء بيئات التعلم بالتعزيز التي تحسن وكلاء البرمجة عبر مهام برمجية متنوعة.