MiMo-V2.6正在进行RL训练，扩展计算、环境和评分器，将开源细节
沉寂了将近半年。我们在这段时间里研究一个问题：RL 究竟能扩展到多大。
MiMo-V2.6 目前正处于 RL 训练过程中。我们扩展了三件事：计算（每步约 2B tokens，1568 个 prompts × 16 次 rollout，完全异步）、环境与 harness（多任务 agentic RL，在一次运行中混合多个 harness），以及 grader 计算（agentic 组内 credit assignment，采用基于测试用例和 rubric 的奖励）。未来几周我们会逐步开源细节。
正在直播这次运行：https://t.co/ZSxahzJRju
MiMo-V2.6 目前正处于 RL 训练过程中。我们扩展了三件事：计算（每步约 2B tokens，1568 个 prompts × 16 次 rollout，完全异步）、环境与 harness（多任务 agentic RL，在一次运行中混合多个 harness），以及 grader 计算（agentic 组内 credit assignment，采用基于测试用例和 rubric 的奖励）。未来几周我们会逐步开源细节。
正在直播这次运行：https://t.co/ZSxahzJRju