AI圈报产品发布 / 更新普通
小米MiMo-V2.6公开大规模RL训练细节
原始标题：One of the coolest at-scale RL resources made public yet！ You love to see it.
内容摘要
小米MiMo-V2.6正进行大规模强化学习训练，并公开了训练细节。其RL扩展了三个维度：计算（每步约2B tokens，1568 prompts × 16 rollouts，全异步）、环境与harness（多任务智能体RL，单次运行混合多种harness）以及评分计算（智能体组内信用分配，基于测试用例和评分标准的奖励）。相关细节将在未来几周逐步开源。
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：Nathan Lambert (@natolambert)
站内情报编号intel-b10752286a34437ee388f965