羅福莉：MiMo-V2.6或完成開源模型領域規模最大的單次強化學習訓練之一

據PANews發布，PANews 9月22日消息，小米MiMo團隊成員羅福莉發文表示，MiMo-V2.6按算力規模計，可能是迄今開源模型團隊開展的最大規模單次強化學習訓練之一。團隊在算力緊缺的情況下，投入數十人並持續較長時間推進強化學習擴展，模型能力在中期訓練階段形成，並通過大規模強化學習進一步釋放。她稱，團隊針對代碼等可驗証的中等難度任務採用MixRL訓練，對難以驗証、超長週期或復雜度過高的任務則單獨訓練，再通過MOPD閤並能力。為推動智能體強化學習研究，團隊還發布了一個由MiMo強化學習軌跡蒸餾而來的Qwen模型、7000個多樣化環境以及完整的強化學習訓練框架。