研究人员介绍了 CodeMidas，这是一种智能体管道，它使用源代码作为唯一输入，从开源代码库中实现的功能构建强化学习环境。 该方法分配智能体计算资源以探索功能、构建基于执行的测试，并通过重复 rollout 验证任务，最终生成涵盖 23 种编程语言的 5,545 个训练任务数据集。 在 GRPO 的帮助下在这些任务上训练 MiMo-V2.5，在五个多样化的基准测试中提升了性能，包括 DeepSWE (+11.7%)、ProgramBench (+17%) 和 Terminal-Bench v2.1 (+8.5%)。 轨迹分析表明，经过 RL 训练的代理表现出更好的行为，例如更深入的代码库探索和更多样化的自我验证。 这些结果确立了源代码作为构建强化学习环境的可扩展基础，能够提升编码智能体在多样化软件任务中的表现。
arxiv
arXiv cs.AI
·
2 天前
·
来源： 5 天前
·
research
CodeMidas 利用源代码扩展智能体编码强化学习环境
译自 English → 中文
相关文章
arxiv
arXiv cs.AI
·
8 天前
·
24 次浏览
Atria Dawn Preview：面向科研的基础代理语言模型
Atria Dawn Preview 是一个面向科学研究和工程工作流的基础代理语言模型，通过可验证经验管道进行训练，该管道将工具中介交互与可执行环境相连接。在涵盖真实世界研究、工程和数字工作的16个基准测试中，该模型的表现可与前沿代理相媲美，并在其中五个基准上取得了最高报告分数。
arxiv
arXiv cs.LG
·
20 天前
·
69 次浏览
NVIDIA Nemotron-3模型在IOI 2026中取得金牌和人类最高分
研究人员为大型语言模型开发了一套后训练流水线，使其能够在竞技编程中达到金牌水平。通过结合监督微调、强化学习以及一种名为GenCorrect的新型反馈驱动策略，该系统在IOI 2026问题集上超越了顶级人类选手。
arxiv
arXiv cs.CL
·
20 天前
·
31 次浏览
NVIDIA Nemotron-3模型在国际信息学奥林匹克竞赛中实现金牌表现
NVIDIA为其Nemotron-3-Nano-CC和Nemotron-3-Ultra-CC语言模型开发了后训练流水线，以在编程竞赛中脱颖而出。通过结合大规模问题筛选、合成推理轨迹、监督微调和强化学习，团队创建了具备高级算法推理能力的专用系统。
arxiv
arXiv cs.AI
·
20 天前
·
36 次浏览
NVIDIA的Nemotron-3模型在国际信息学奥林匹克竞赛中取得金牌级表现
NVIDIA为其Nemotron-3语言模型开发了后训练流水线，使其在国际信息学奥林匹克竞赛（IOI）中达到金牌级表现。该方法结合了大规模问题策展、合成推理轨迹、监督微调和强化学习。
arxiv
arXiv cs.CL
·
27 天前
·
40 次浏览
JIT-Agent 实现即时工具链演化，提升智能体 LLM 性能
作者提出了 JIT-Agent，这是一种工具链智能模型，旨在为任意现成的智能体 LLM 合成任务自适应的智能体工具链。该方法将智能体工具链形式化为受固定四模块协议约束的可组合工件，使系统能够即时定制和修复工具链。