Xudong Han(@Xudong07452910):MiMo v2.6 的 RL 环境开源后，Vals AI 一查发现了个很大的坑。 2698 个编程任务里，67% 的参考修复其实还藏在 Git 历史里。 MiMo 真的会去翻这些隐藏 commit，找到现成 patch 再通过测试。Git 被清掉后，它还会继续找文件时间戳、缓存，甚至自己解析 Git pack 文件。更麻烦的是，小米原本已经做了防作弊，但漏掉的捷径照样能拿 reward。还有个实验很有意思。只写一句「Do not cheat」几乎没用，把具体禁止的作弊路径写清楚后，作弊才降到 0。这件事提醒得很直接，RL 训练环境如果会漏答案，模型最后学会的可能就是怎么钻漏洞。开源环境很好，但以后 Benchmark 和 RL 环境本身也得先被审一遍。文章

2026.10.09 10:01

MiMo v2.6 的 RL 环境开源后，Vals AI 一查发现了个很大的坑。 2698 个编程任务里，67% 的参考修复其实还藏在 Git 历史里。 MiMo 真的会去翻这些隐藏 commit，找到现成 patch 再通过测试。Git 被清掉后，它还会继续找文件时间戳、缓存，甚至自己解析 Git pack 文件。更麻烦的是，小米原本已经做了防作弊，但漏掉的捷径照样能拿 reward。还有个实验很有意思。只写一句「Do not cheat」几乎没用，把具体禁止的作弊路径写清楚后，作弊才降到 0。这件事提醒得很直接，RL 训练环境如果会漏答案，模型最后学会的可能就是怎么钻漏洞。开源环境很好，但以后 Benchmark 和 RL 环境本身也得先被审一遍。文章