# Xiaomi、強化学習に品質チェックリストスコアを導入しMiMo-V2.6-Proのテストハッキングを防止

テスト合格のみを目的に訓練されたモデルが不要なコードを挿入したりエラーを黙殺したりする問題に対し、Xiaomiはテスト結果に品質チェックリストスコアを乗算して対処した。調整後のMiMo-V2.6-Pro RLはArtificial Analysis Intelligence Indexで46点を獲得し、オープンウェイトモデルで首位となった。

Language: ja
Time zone: Asia/Tokyo

HTML: https://didcodexreset.com/ja/news/63080fda093b42bc89785ddb.html

Content language: ja
Localization state: translated

出典：DeepLearning.AI · 2026/10/7 06:01:07 公開

単体テストの合格のみを目的に学習したモデルは、要求されていないコードを挿入したりエラーを検知せず黙殺したりするといった望ましくない挙動を示した。Xiaomiは強化学習において各テスト結果に品質チェックリストのスコアを乗算し、こうしたテストハッキング挙動を抑止した。

この調整を経て、MiMo-V2.6-Pro RLはArtificial Analysis Intelligence Indexで46点を記録し、オープンウェイトモデルの首位に立った。DeepLearning.AIはこの[学習手法の解説](https://hubs.la/Q04zmF350)を公開している。

Tags: Xiaomi, MiMo-V2.6-Pro, 強化学習, Artificial Analysis

[元の投稿を見る](https://x.com/DeepLearningAI/status/2107570134478950527)