小米 MiMo-V2.6 技术报告：开源 7k 条 RL 训练数据，登顶 alphaXiv 热榜
rbhar90 · x · 2026-09-23
小米发布 MiMo-V2.6 全模态系列技术报告，核心是用大规模强化学习把模型推向自我改进：异步训练每步消耗 1,568 个样本、2737 亿 token，上下文最长 1M；RL 环境覆盖代码、通用、视觉与网络安全域；引入分组式 agentic 评分以获得更准的奖励信号，并冻结 MoE router、设多层防御对抗 reward hacking。
据 Elie Bakouch 引述，团队将开源约 7000 条 RL 训练数据和整套框架，且从启动最终 RL run 到发布模型加技术报告不到一周，在智能与开放程度上同时推进。训练动态、RL 环境与框架均已开源。
「模型」频道最新
- 用户抱怨 GPT-6 Sol 无视已配置技能,同配置 GPT-5.6 却正常 — Aber-so-richtig · 2026-09-23
- 4 个 agent 一个半小时,Opus 5.5 从零造出惊艳作品 — repligate · 2026-09-23
- 爆料人辟谣：本周不会有 Kimi 新模型，团队周五开始放假 — ChrisGPT · 2026-09-23
- Reddit 用户截图:GPT-5.6 Sol 对 Go 订阅用户免费开放 — sam619007 · 2026-09-23
- 风向又变：Opus 5.5 获好评，GPT-6 Sol 未登陆 ChatGPT 引争议 — koltregaskes · 2026-09-23
- Opus 5.5 成日常主力：更快更便宜，Pro/Max 用户获重置额度 — addyosmani · 2026-09-23