小米 Mimo 2.6 强化学习训练实时看板

📋 概述

这是一个把强化学习训练过程直接摊开给人看的网页：页面展示 mimo-v2.6-pro 与 mimo-v2.6-flash 两个模型的 RL 训练指标，数据源是训练器日志，滚动实时更新，而不是训练结束后的汇总报告。界面分成概览、指标与关于三个视图，顶部有连接状态指示，可以切换明暗主题。它值得被点开的地方在于「实时」二字——通常这类曲线要么藏在论文的自适应平滑图里，要么只在内部看板上存在，把未收敛的训练过程公开挂出来是少见的做法，也方便外界对照两个不同规模模型的强化学习曲线差异。