小米直播训练 MiMo-V2.6，罗福莉称半年钻研强化学习

小米 MiMo 大模型负责人罗福莉发文称，自 4 月开源 MiMo-v2.5 后，团队近半年研究强化学习的扩展边界，目前 MiMo-V2.6 处于强化学习中间阶段，团队为其扩展了计算、环境和工具、Grader Compute 三项能力，接下来几周将逐步开源这些细节。此外，罗福莉晒出该模型训练直播链接，其训练总花费超 125 万美元，直播显示 MiMo-V2.6 即将推出。