AI圈报产品发布 / 更新普通
小米MiMo-V2.6强化学习训练进展公开
原始标题：Nearly half a year of silence. We spent it studying one problem： how far RL can scale. MiMo-V2.6 is…
内容摘要
小米MiMo-V2.6正处于RL训练中，团队从三方面扩展规模：计算（每步约2B tokens，1568条prompt×16次rollout，全异步）、环境与harness（多任务agentic RL，单次运行混合多种harness）、评分计算（agentic组内信用分配，结合测试用例与rubric奖励）。团队称已研究RL能扩展到多远，将在未来几周逐步开源细节，并直播训练过程。
内容分类AI 产品发布与更新
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：罗福莉 (@_LuoFuli)
站内情报编号intel-935e41cec6435b66b010c811