小米开源约 7000 个 RL 训练环境,圈内分析:核心是 989 个 envs 而非全量
teortaxesTex · x · 2026-09-26
小米在 HuggingFace 开源了约 7000 个用于训练 MiMo 的强化学习环境，覆盖代码、网络安全、通用、音乐和 Web 开发等领域，被认为是开源 RL 环境数据的重要事件。但亲历该发布的 Dorialexander 提出了关键澄清：
- 实际用于 RL 训练 9B 蒸馏模型的是其中精选的 989 个环境，并非全部，也不是大的 MiMo 模型。
- 奖励并非自包含：通用部分需要自行搭建 judge，webdev 依赖其自带的 grader 服务加 VLM。
- 最重要的内容在 general/envs 目录（含 docker 配置）里，而不是 HF 上展示的数据集本身——其中真实/模拟文档的混合质量在开源界少见，值得一读。
所属事件:小米开源 MiMo-V2.6 强化学习数据集登 HF 热榜(5 条相关)→
「模型」频道最新
- OpenAI DevDay 倒计时 2 天,员工模糊发言泄露产品线索 — haider1 · 2026-09-26
- 神秘模型 Space Bunny 看录屏 10 分钟重建整站 — PrajwalTomar_ · 2026-09-26
- LiquidAI 推出 LFM 2.5 Encoder,可在 CPU 上运行 — JosephJacks_ · 2026-09-26
- "你可以做得更好"仍是出奇有效的追问提示词,作者称没想到至今管用 — paul_cal · 2026-09-26
- Nace 发布 6B 决策模型 Drex,跳过生成直接输出选项概率 — rohanpaul_ai · 2026-09-26
- GPT-6 API 定价曝光:Astra 比 Luna 贵 100 倍,路由可省一半 — julsimon · 2026-09-26