**MiMo-V2.6：通过扩展强化学习计算推动模型自我进化**

_MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement_

> MiMo-V2.6系列通过扩展强化学习（RL）计算，在更大批次、更多样环境及更强评估计算三个维度提升模型智能。该全模态家族采用混合SWA架构，支持1M上下文长度，并引入异步训练与多层防御机制以应对奖励黑客。团队开源了训练动态、RL环境及框架，旨在促进规模化RL与模型自我改进的研究。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.11959)