XiaomiがMiMo-V2.6シリーズをリリース：RLスケーリングによる自己改善型マルチモーダルモデル

概要

Xiaomiは、強化学習（RL）のスケーリングを通じて自己改善を実現したマルチモーダルモデル「MiMo-V2.6」シリーズを公開し、モデル、技術レポート、訓練コードのすべてをオープンソース化した。