Xiaomi MiMo zveřejnilo open-source dataset MiMo-V2.6-RL-OSS pro trénink jazykových modelů, které pracují jako agenti. Balík obsahuje prostředí pro programování, reprodukci zranitelností, znalostní úlohy, vývoj webů a symbolickou tvorbu hudby. Každá oblast používá jiný způsob ověřování, od spustitelných testů přes pravidlové kontroly až po hodnocení podle rubriky nebo vizuálního výsledku. Projekt je dostupný pod licencí Apache 2.0, obsahuje Docker obrazy a odkazuje také na tréninkový kód pro framework verl. Nejde tedy jen o sbírku promptů, ale o pokus připravit úlohy, ve kterých lze výsledek agenta automaticky posoudit. Právě ověřitelnost je jedním z hlavních problémů agentního tréninku, protože samotná textová odpověď často neukáže, zda systém skutečně dokončil zadanou práci správně.
