小米公开MiMo-V2.6大模型RL训练过程 罗福莉发文确认将开源技术细节
小米MiMo大模型团队负责人、前DeepSeek研究员罗福莉于9月17日凌晨在X平台发文，首次公开旗下最新大模型MiMo-V2.6的强化学习（RL）训练进展，同步上线mimo.xiaomi.com/rl/实时训练页面，开启大模型RL阶段的全程公开直播。作为雷军从DeepSeek引进的“95后”AI科学家，罗福莉曾主导达摩院多语言预训练及DeepSeek-V2研发，于2024年11月正式加盟小米并执掌MiMo大模型团队，其主导的上一代万亿参数模型Mimo-V2-Pro曾登顶Artificial Analysis全球大模型综合智能榜第八位（品牌榜第五位）。
罗福莉官宣MiMo-V2.6启动RL全流程透明化直播
罗福莉在发文中明确表示，团队过去半年专注于研究强化学习的扩展上限，此次公开的MiMo-V2.6-Pro与MiMo-V2.6-Flash两个版本正在开展大规模多任务智能体（Agent）RL实验，团队的目标是将两个版本的RL训练扩展到当前技术可行性的极限。其强调“RL是通往自我进化最可扩展、最高效的路径”，小米此次是认真要把Agent RL跑通。直播页面实时呈现训练进度、Token消耗与成本指标，相关技术细节将在未来数周内逐步开源。