小米开源训练 MiMo 的约 7000 个 RL 环境，覆盖代码与网安
SergioPaniego · x · 2026-09-27
小米在 Hugging Face 上开源了约 7000 个用于训练 MiMo 模型的强化学习环境，覆盖 code、cyber、general、music、web dev 等领域，统一采用 Harbor 格式。
- 用法：选任务、选模型、选 harness、选 sandbox provider 即可运行；结合 OpenEnv 还能直接用于训练而不仅是评测。
- 发帖人认为这是前沿开源 RL 环境数据领域最重大的事件之一，后续将发布深度分析。
所属事件:小米开源 MiMo-V2.6 RL 数据集与训练代码(9 条相关)→
「研究」频道最新
- METR 回应质疑:AI 提速结论基于大量未公开数据 — peterwildeford · 2026-11-11
- RL 攻防双环境:训练 AI 植入后门与检测后门,收敛点成谜 — DimitrisPapail · 2026-11-11
- UniPath 被 NeurIPS 2026 接收：单模型自适应协调理解与生成 — jindong_wang92 · 2026-11-11
- 前 Astra 成员创业做 real2sim2real：机器人仿真光『看得真』不够 — abhishekunique7 · 2026-11-11
- Scale AI 1200+ 次训练对比 PPO 与 GRPO:小 batch 用 critic,大 batch 可省掉 — heghbalz · 2026-11-11
- 开源进程推进个性化胰腺癌疫苗:34 岁患者数据全公开征集专家意见 — jajoosam · 2026-11-11