小米开源 MiMo-V2.6 完整 RL 训练栈

小米在 Hugging Face 发布 MiMo-V2.6 模型，并罕见地开源了其背后完整的强化学习训练栈，包括约 7.8K 个训练环境和公开的实时训练仪表盘，同时发布一篇详述 post-training 细节的长篇技术报告。配套资源还有可在浏览器内运行 rollout 并打分的 Explorer HF Space，以及移植到 Harbor 的 RL 环境集合，透明度在业界颇为少见。

2026-09-30 ~ 2026-09-30 · 2 条相关