小米在强化学习中引入质量核对清单评分，防止 MiMo-V2.6-Pro 投机通过测试
仅以通过测试为目标训练的模型会出现插入非请求代码、静默忽略错误等问题。小米在强化学习中将测试结果与质量核对清单评分相乘来解决该问题。调整后的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列开放权重模型首位。
仅以通过测试为目标训练的模型会出现插入非请求代码、静默忽略错误等问题。小米在强化学习中将测试结果与质量核对清单评分相乘来解决该问题。调整后的 MiMo-V2.6-Pro RL 在 Artificial Analysis Intelligence Index 取得 46 分，位列开放权重模型首位。