小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻研一件事

IT之家 9 月 17 日消息，小米 MiMo 大模型负责人罗福莉今日发文，自 4 月份开源 MiMo-v2.5 后，小米沉寂了近半年，花时间研究了一件事 —— 强化学习究竟能扩展到多远 。 MiMo-V2.6 目前正处于强化学习中间阶段。该团队为其扩展了三项能力： 计算（每步约 20 亿个 Token，1,568 个 Prompt × 16 条 Rollout，完全异步） 环境和工具（多任务智能体强化学习，一次运行中混合多个框架） Grader Compute（给打分 / 评分过程本身增加算力，Agentic In-group Credit Assignment，包含测试案例和评分标准奖励）…