MiMo-V2.6 系列技术报告发布

论文作者发布 MiMo-V2.6 系列技术报告，介绍一套通过扩展强化学习算力提升智能的全模态模型家族。报告称其 RL 扩展沿三个方向进行：每步消耗 1,568 个样本、2.7-3.7B tokens，上下文长度最高 1M；环境覆盖代码、通用、视觉与网络领域；并采用分组式智能体评分提供更准确的奖励信号。 团队冻结 MoE 路由器并建立多层防御以抑制奖励攻击，同时开源训练动态、RL 环境与 RL 框架，以便复现和进一步研究扩展 RL 与模型自我改进。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。