Hugging Face Daily Papers·2026-10-08 08:00· 1 天前AI 评分51

MiMo-V2.6 技术报告提出通过规模化强化学习推进模型自我改进

MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement

AI 导读

Xiaomi LLM-Core Team 在 arXiv 发布 MiMo-V2.6 技术报告，介绍一个通过扩展 RL compute 推进模型自我改进的 omni-modal 模型系列。