小米发布MiMo-V2.6强化学习论文

小米发布 MiMo-V2.6 论文，主题是用强化学习扩展模型的自我改进能力。论文描述该模型在 RL 训练循环中承担构建任务、审计测试、评分答案和排查作弊等工作。 论文指出，仅靠 pass/fail 测试无法区分干净修复与 hacky 修复，因此引入 grader agent 比较各组通过的补丁，并把奖励移向更干净的方案。上述内容来自论文本身，尚未见第三方验证其效果。

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。