罗福莉沉寂半年官宣小米强化学习！直播新模型训练过程，一小时烧3万美元

小米公开了其强化学习模型MiMo-V2.6的训练过程，采用完全异步执行方式，并扩展了训练计算量、环境/执行框架和评分计算量三个维度。直播页面展示了详细的训练数据，包括奖励曲线和显卡故障等。这一开放举措为开发者提供了宝贵的学习资源，有助于提升对大规模Agent RL的理解与应用。

🔗 [工具链接]：https://mimo.xiaomi.com/rl