小米开源 MiMo-V2.6，用强化学习让模型自己教自己
小米发布并开源 MiMo-V2.6 系列，扩展强化学习规模迈向自我提升
小米发布了 MiMo-V2.6 系列并开源，核心思路是扩展强化学习规模，让模型在训练中自我提升，不再完全依赖人工标注。不过原文被微信屏蔽，正文没披露具体参数量、跑分和开源仓库链接，所以实际效果和可用性暂时没法判断。如果真能靠 RL 让模型自己迭代，训练成本可能降不少，但这点先别太激动，等 repo 出来再看。
小米发布并开源 MiMo-V2.6 系列，扩展强化学习规模迈向自我提升
小米发布了 MiMo-V2.6 系列并开源，核心思路是扩展强化学习规模，让模型在训练中自我提升，不再完全依赖人工标注。不过原文被微信屏蔽，正文没披露具体参数量、跑分和开源仓库链接，所以实际效果和可用性暂时没法判断。如果真能靠 RL 让模型自己迭代，训练成本可能降不少，但这点先别太激动，等 repo 出来再看。