MiMo RL Environment Explorer

MiMo RL Environment Explorer

浏览 XiaomiMiMo 的 7,780 个强化学习环境，然后让模型运行一个任务并显示评分。这是一个非官方的浏览器，适合测试或比较 AI 智能体的人。

由 FineEnvs 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 XiaomiMiMo 的 MiMo-V2.6 RL 数据集的非官方浏览器，数据集包含五个领域共 7,780 个强化学习环境。你可以浏览任务，打开一个任务看里面有什么，然后用你选的模型运行一个 rollout，看它怎样被评分。它由 Hugging Face 和 FineEnvs 团队构建。

适合谁：在真实任务上测试 AI 智能体、想同时看到评分过程和答案的研究者和工程师，也适合想读真实智能体运行轨迹的人。

行业 | 使用者 | 使用方式 | 例子
研究 | 强化学习研究者 | 浏览任务并阅读每个任务的内容 | 打开一个 Code 任务，看里面有什么
AI 评测 | 模型评测者 | 让多个模型运行同一个任务并比较 | 勾选二到四个 rollout，然后点 Compare
智能体开发 | 智能体开发者 | 在真实任务上，让模型在智能体框架里试一试 | 启动一个 Webdev rollout，读它的评分
开放数据 | 社区读者 | 从公开的 rollout 里学习 | 浏览 Community 页面

如果你只想和模型聊天，可以跳过它。

用在哪里：这个浏览器可以在这些地方使用：

• 网页浏览器：打开 Hugging Face 上的 Space 页面，浏览任务并运行 rollout。
• 装有 Docker 的 Windows、macOS 或 Linux：在自己的电脑上构建并运行一份副本。
• 你的 Hugging Face 账号，沙盒和模型调用的费用记在这个账号上。

Use case | Who | What they get back
浏览环境 | 研究者 | 一个展示任务全部内容的任务页
运行 rollout | 评测者 | 你选的模型的一次已评分运行，保存在 Rollouts 下
比较 rollout | 模型团队 | 并排显示设置、时间、token、成本、评分检查和轨迹

如何设置：浏览不需要任何准备。要运行 rollout，你需要这几样：

• 一个 Hugging Face 账号，登录或粘贴访问令牌
• 一个写入令牌，或者带有 Inference Providers 和 Jobs 权限的细粒度令牌
• Docker 和带 pip 的 Python，只有本地副本才需要

这些步骤会下载 Space，用它构建一个 Docker 镜像，再在打开 7860 端口的情况下运行镜像。

1. 安装 Hugging Face 包。
2. 把 Space 下载到名为 MiMo-RL-Envs-Explorer 的文件夹。
3. 进入这个文件夹。
4. 构建 Docker 镜像。
5. 打开 7860 端口并运行镜像。

pip install -U huggingface_hub
hf download FineEnvs/MiMo-RL-Envs-Explorer --repo-type space --local-dir MiMo-RL-Envs-Explorer
cd MiMo-RL-Envs-Explorer
docker build -t mimo-rl-envs-explorer .
docker run -it -p 7860:7860 mimo-rl-envs-explorer

README 还给了一个针对源项目文件夹的更短做法，用 uv 启动应用，并使用你的 Hugging Face 令牌。

uv run uvicorn app.main:app

如何使用：浏览列表，打开一个任务，然后用你喜欢的任何模型启动一个 rollout。由模型评分的任务会让你选评审模型。关闭页面后 rollout 仍会继续，它的条目会留在 Rollouts 下。

Tool | What it does
任务页 | 显示一个任务里的全部内容
Rollouts | 列出你启动的运行
My rollouts | 只显示你自己的运行
Community | 显示公开的 rollout，不显示是谁运行的
Compare | 把同一个任务的二到四个 rollout 并排放在一起

数据集有五个领域：

• Code：2,698 个环境，智能体修复真实仓库里的缺陷，由它看不到的测试评分。
• Webdev：2,093 个环境，智能体根据书面需求创建网站，由视觉模型查看完成后的页面。
• Cyber：1,000 个环境，智能体再次触发一个已知的崩溃，由一台上了锁的服务器检查崩溃落在哪里。
• Music：1,000 个环境，智能体用 ABC 记谱法写一段曲子，按 18 项类人特征度量评分，不用模型。
• General：989 个环境，办公室式的知识工作，由规则检查和由模型评判的评分细则检查来评分。

示例：你打开一个 Code 任务，选一个模型并按下运行。智能体在由该任务自己的 Docker 镜像构建的沙盒里工作，然后隐藏测试会评判真实问题是否被修复。

新手与专家：如果你是新手，先打开 Space 页面浏览任务。你可以不登录、不花钱读完一个完整的任务。等你知道想试哪个任务之后，再运行 rollout。

如果你熟悉这个领域：一次 rollout 会启动一个 HF Sandbox，并在里面运行 OpenCode。OpenCode 通过 Hugging Face Inference Providers 调用你选的模型。然后任务自己的评分器给这次运行打分，使用的是原样未改的小米参考代码。智能体工作时，沙盒里不放任何评分用的材料，智能体也不能上网浏览。你的令牌保存在加密 cookie 里，沙盒通过每个 rollout 专用的代理访问模型。

你选一个任务并登录
沙盒从任务的 Docker 镜像启动
OpenCode 运行你选的模型
任务自己的评分器给这次运行打分
rollout 被保存，公开或私有

注意事项：你看到的分数与小米公布的数字会有些差别。智能体框架是 OpenCode，评审模型由你来选，Webdev 使用评估模式的评分器。

• License: apache-2，按 Space 所列。
• Cost to run: 需要一个 Hugging Face 账号。CPU 沙盒约每小时 $0.01，模型调用通过 Inference Providers 记在你的账号上。
• Data it reaches: 你的令牌，只保存在加密 cookie 里。rollout 默认公开，不显示是谁运行的，你可以把任何 rollout 设为私有。轨迹保存在私有存储桶里。
• Not for: 复现小米自己的训练数字，或者需要上网的任务，因为智能体没有网页工具。

Hugging Face 上的数据（2026年11月13日）

• 点赞：91
• 构建方式：docker
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/FineEnvs/MiMo-RL-Envs-Explorer
• 文件：https://huggingface.co/spaces/FineEnvs/MiMo-RL-Envs-Explorer/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。