MiMo-V2.6 est un ensemble de données d’environnement destiné à l’entraînement par renforcement des agents LLM, publié par XiaomiMiMo en 2026. Il vise à fournir aux agents LLM des environnements d’entraînement par RL multilingues et vérifiables.

Cet ensemble de données couvre cinq domaines : Code, Cyber, General, Visual et Music, correspondant respectivement aux familles de tâches suivantes : ingénierie logicielle, reproduction de vulnérabilités, travail de connaissance, développement web et composition musicale symbolique. Il utilise des méthodes de vérification telles que des tests exécutables, des vérifications de règles, des évaluations par critères ou des évaluations visuelles. L’ensemble de données fournit également des environnements d’entraînement sous forme d’images Docker, à utiliser conjointement avec le code d’entraînement verl.

Composition de l’ensemble de données

• Code : destiné aux tâches d’ingénierie logicielle, utilisant des tests exécutables comme vérificateurs.
• Cyber : destiné aux tâches de reproduction de vulnérabilités, utilisant des vérifications de règles comme vérificateurs.
• General : destiné aux tâches de travail de connaissance, utilisant des évaluations basées sur des critères de notation comme vérificateurs.
• Visual : destiné aux tâches de développement web, utilisant des évaluations visuelles comme vérificateurs.
• Music : destiné aux tâches de composition musicale symbolique, utilisant des vérifications de règles comme vérificateurs.
• Environnement d’exécution : l’ensemble de données est distribué via des images Docker et est associé au code d’entraînement verl.
• Notes de mise à jour : l’image Code intègre un prétraitement anti-hack, et il est recommandé de maintenir la configuration anti_hack_cleanup à true.