# 小米MiMo-V2.6公开大规模RL训练细节

- 来源：Nathan Lambert (@natolambert)
- 发布时间：2026-09-17 04:41
- AIHOT 分数：48
- AIHOT 链接：https://aihot.news/items/cmu4l0chr0uqgro4w6pbfwgya
- 原文链接：https://x.com/natolambert/status/2100324332916335033

## AI 摘要

小米MiMo-V2.6正进行大规模强化学习训练，并公开了训练细节。其RL扩展了三个维度：计算（每步约2B tokens，1568 prompts × 16 rollouts，全异步）、环境与harness（多任务智能体RL，单次运行混合多种harness）以及评分计算（智能体组内信用分配，基于测试用例和评分标准的奖励）。相关细节将在未来几周逐步开源。

## 正文

One of the coolest at-scale RL resources made public yet!
You love to see it.

### 引用推文

> Fuli Luo：Nearly half a year of silence. We spent it studying one problem: how far RL can scale. MiMo-V2.6 is in the middle of its RL run right now. Three things we scale...