#MiMo 2.6大模型即将发布# 罗福利在社交媒体分享：

「将近半年的沉默。我们把时间花在研究一个问题上：强化学习（RL）的扩展极限在哪里。

MiMo-V2.6 目前正处于其强化学习运行的中期。我们扩展了三件事：计算（每步约 20 亿 tokens，1568 个提示词 × 16 次生成，完全异步）、环境与测试框架（多任务智能体强化学习，单次运行中混合多个框架），以及评分器计算（智能体组内信用分配，基于测试用例和评分规则的奖励）。我们将在接下来的几周内逐步开源这些细节。

我们相信，强化学习（RL）是实现自我改进最具扩展性和最高效的路径之一。」

#小米澎程[超话]##小米科技[超话]#