MiMo-V2.6 报告发布并开源 RL 训练资源

MiMo-V2.6 团队发布全模态模型系列的技术报告，并开源训练动态、RL 环境与 RL 框架，用于复现和进一步研究规模化强化学习与模型自我改进。 报告称该系列通过扩大 RL 算力推进模型智能：异步训练每步消耗 1,568 个样本和 2.7–3.7B tokens，上下文长度最高达 1M；RL 环境覆盖代码、通用、视觉和网络领域，并引入 groupwise agentic grading 提供更准确的奖励信号。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。