开发技术
MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement
2026-10-09arxiv.org
★★★★★
小米发布 MiMo-V2.6 全模态模型系列技术报告，以强化学习驱动模型自我改进。
值得记下
阅读原文↗全模态与 RL 自我改进的组合，是国内厂商在 post-training 路线上的一次公开技术表态，但关键参数与评测细节尚未放出。
内容来源：arxiv.org，版权归原作者所有
小米发布 MiMo-V2.6 全模态模型系列技术报告，以强化学习驱动模型自我改进。
全模态与 RL 自我改进的组合，是国内厂商在 post-training 路线上的一次公开技术表态，但关键参数与评测细节尚未放出。
内容来源：arxiv.org，版权归原作者所有