Thomas Wolf(@Thom_Wolf)· Thomas Wolf (@Thom_Wolf)·· 23 天前AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
小米 MiMo-V2.6 大规模 RL 训练进展公开，Fuli Luo 称将逐项开源细节
Impressive level of openness on such a large run
AI 导读
小米 MiMo-V2.6 正处于 RL 训练中，团队近半年专注研究 RL 能扩展到多大程度。这一轮在三个方向做了扩展：每步约 2B tokens 的算力（1568 prompts × 16 rollouts，全异步）、多任务智能体 RL 环境与 harness（单次运行中混合多种 harness），以及评分算力（组内智能体信用分配，结合测试用例与 rubric 奖励）。
来源：Thomas Wolf(@Thom_Wolf) · x.com