Датасет · XiaomiMiMo
Среды RL для LLM-агентов
XiaomiMiMo/MiMo-V2.6-RL-oss
Набор сред для обучения LLM-агентов с проверками в коде, кибербезопасности, вебе и музыке.
Что внутри
Это RL-среды для тренировки LLM-агентов в нескольких доменах: разработка ПО, воспроизведение уязвимостей, knowledge work, визуальная веб-разработка и символическая музыка. Для задач указаны типы проверок: исполняемые тесты, rule checks, rubric-based judging и visual grading. В карточке есть Docker-образы и код обучения; модальности — документы, изображения и текст.
Что можно сделать
- RL-обучение LLM-агентов
- Проверка агентных навыков в коде и кибербезе
- Воспроизведение сред для веб- и музыкальных задач
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 293,1 тыс.
- Лайков
- 1,1 тыс.
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("XiaomiMiMo/MiMo-V2.6-RL-oss")