MiMo-V2.6 ist ein Umgebungsdatensatz für die verstärkendes Lernen (RL) von LLM-Agenten, der 2026 von XiaomiMiMo veröffentlicht wurde. Er zielt darauf ab, LLM-Agenten mehrdomänenfähige, verifizierbare RL-Trainingsumgebungen bereitzustellen.

Der Datensatz deckt die fünf Bereiche Code, Cyber, General, Visual und Music ab, die Aufgabenfamilien wie Softwareentwicklung, Schwachstellen-Reproduktion, Wissensarbeit, Web-Entwicklung und symbolische Musikkomposition entsprechen. Zur Verifizierung werden ausführbare Tests, Regelprüfungen, bewertungsbasierte Juroren oder visuelle Bewertungen eingesetzt. Der Datensatz stellt außerdem Trainingsumgebungen in Form von Docker-Images bereit, die mit dem verl-Trainingscode kombiniert werden.

Zusammensetzung des Datensatzes

• Code: Für Softwareentwicklungsaufgaben, mit ausführbaren Tests als Verifizierer.
• Cyber: Für Schwachstellen-Reproduktionsaufgaben, mit Regelprüfungen als Verifizierer.
• General: Für Wissensarbeitsaufgaben, mit bewertungskriterienbasierten Juroren als Verifizierer.
• Visual: Für Web-Entwicklungsaufgaben, mit visueller Bewertung als Verifizierer.
• Music: Für symbolische Musikkompositionsaufgaben, mit Regelprüfungen als Verifizierer.
• Ausführungsumgebung: Der Datensatz wird über Docker-Images verteilt und ist mit dem verl-Trainingscode verknüpft.
• Update-Hinweise: Das Code-Image enthält eine integrierte Anti-Hack-Vorverarbeitung; es wird empfohlen, die Konfiguration anti_hack_cleanup auf true zu belassen.