huggingface.co·2026/09/25·XiaomiMiMo
为什么重要 做 agent RL 可直接复用现成镜像与 verl 训练代码，验证器类型直接决定奖励信号的可信度。适合 搭建 LLM agent 强化学习环境与奖励信号的工程师
$ docker pull xiaomimimo/mimo-v2.6-rl-oss
$ git clone https://github.com/XiaomiMiMo/verl
EVIDENCE / METHODS
要点
覆盖 Code / Cyber / General / Visual / Music 五个任务域，每域对应一个任务族。