小米發布自進化大模型系統 MiMo-V2.6

小米（Xiaomi）MiMo 團隊成員羅福莉表示，MiMo-V2.6 是目前開源模型團隊中規模最大的單次強化學習訓練之一。該團隊在算力資源受限的情況下，透過 MixRL 訓練可驗證任務，並針對複雜任務採用 MOPD 合併能力。此外，團隊同步發布了基於 MiMo 強化學習軌跡蒸餾的 Qwen 模型、7,000 個多樣化環境及完整的強化學習訓練框架，旨在推動智能體強化學習研究。