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 RL 数据集与训练代码(9 条相关)→
「模型」频道最新
- 深度用两天后独立开发者从 20 美金档升回 Gemini Ultra 200 美金 — yihui_indie · 2026-11-11
- 爆料：Google 新模型阵容曝光，含 Flash 迭代与视频模型 — koltregaskes · 2026-11-11
- 爆料:OpenAI Astra 6.2 或将临近,已现于 Codex 日志与谷歌云配额 — haider1 · 2026-11-11
- 同一段提示词实测：Fable 5.2 花时 3 倍费用 2 倍，换来导演级表达 — iamfakhrealam · 2026-11-11
- Krafton 开源 1.5B 端侧模型 Raon-1 nano,多项基准超同尺寸对手 — DimitrisPapail · 2026-11-11
- 打错字会让 LLM 不舒服？tokenization 引发有趣讨论 — menhguin · 2026-11-11