- 论文公开站arXiv
CodeMidas：从代码本身扩展智能体编码RL环境
CodeMidas: Scaling Agentic Coding RL Environments from Code Itself
摘要显示，现有编码智能体 RL 环境多依赖 issue、commit 等开发痕迹，任务来源受限。CodeMidas 提出一种智能体流水线，仅以源代码为任务专属输入，将代码库中已实现的功能转化为可执行 RL 环境，通过智能体探索形成行为规格、基于原始代码执行构建测试，并经执行校验与多次解轨迹筛选任务。其数据集含来自 3,185 个开源代码库的 5,545 个训练任务，覆盖 23 种语言与 15 个技术领域。
意义：为编码智能体 RL 训练提供低成本、可扩展的任务生成路径，降低对 issue/commit 等人工痕迹的依赖，利于开发者构建自有代码库训练环境。
- 开源项目公开站GitHub
ArduPilot 自动驾驶固件源码仓库
ArduPilot/ardupilot — ArduPlane, ArduCopter, ArduRover, ArduSub source
这是 ArduPilot 在 GitHub 上的官方源码仓库，涵盖 ArduPlane、ArduCopter、ArduRover、ArduSub 四个自动驾驶固件项目，适用于固定翼、多旋翼、地面车辆与水下航行器，获约 15871 颗星标。
意义：为开发者提供统一的开源自动驾驶固件代码库，可覆盖空中、地面与水下多类无人平台，便于二次开发与算法验证。
- 论文公开站arXiv
AI4AI-Bench：面向递归自我改进的算法设计LLM智能体基准测试
AI4AI-Bench: Benchmarking LLM Agents in Algorithmic Design for Recursive Self-Improvement
AI4AI-Bench包含10个冻结的研究代码库，覆盖10种训练算法族。智能体需在4小时内重写训练算法，随后重新运行最多12小时，由固定评估器评分。基准将指标统一映射，0表示无信息模型，0.1为原始算法，1.0为任务最优。在6个系统的29种配置下，平均得分为0.166，最佳系统达0.250，表明现有智能体在算法设计上仍有很大提升空间。
意义：该基准首次隔离评估LLM智能体的算法设计能力，对递归自我改进可行性研究至关重要，为AI自我提升提供量化测试平台。