小米开源 7000+ 强化学习任务环境助训 MiMo

小米在 Hugging Face 开源了 7000 多个用于训练 MiMo 的强化学习任务环境，覆盖代码、网络安全、通用工具使用、可视化网页开发和音乐任务，附带 prompt 等配套内容。同时开源了用于训练 MiMo v2.6 pro/flash 的 verl 分支及完整训练代码，该仓库 fork 自字节跳动 Seed 团队发起、社区维护的 RL 后训练框架。

2026-09-26 ~ 2026-09-27 · 3 条相关