小米把 Mimo 2.6 的强化学习训练过程做成了公开看板

Xiaomi Mimo 2.6 live post-training dashboard

小米给 Mimo 2.6 模型开了一个实时训练看板，直接展示强化学习（RL）后训练阶段的奖励曲线、回复长度变化和训练步数。看板上能看到奖励值在涨、回复长度在收敛，但正文只放了一个标题和链接，没交代用了什么 RL 算法、基座模型是哪个、训练数据怎么配。我会先打个折，这更像是一次工程透明度的展示，不是完整的技术报告，没法拿这些曲线直接判断模型最终好不好用。