智能体强化学习训练

10月8日，小米MiMo团队发布技术报告《MiMo-V2.6:ScalingReinforcementLearningTowardsSelf-Improvement》，把一套大规模智能体强化学习训练的全过程摊在纸面上。报告同时放出两个模型：MiMo-V2.6-Pro和MiMo-V2.6-Flash，两者都采用稀疏混合专家架构，面向代码智能体、工具调用这类需要多步推理的任务。两个模型的体量差得不小。