小米直播训练 MiMo-V2.6 模型，罗福莉称沉寂半年钻研一件事
浏览26次
点赞0次
收藏0次
感谢网友 RuseAKM、顺势而为、Domado、南琴梨、咩咩洋、shutiao、nftuoa、Vollkorn、jaychang、云焰、攸羚、To_Emojes、backfrom、seerU、碳酸饮料、IThome用户 的线索投递！
9 月 17 日消息，小米 MiMo 大模型负责人罗福莉今日发文，自 4 月份开源 MiMo-v2.5 后，小米沉寂了近半年，花时间研究了一件事 —— 强化学习究竟能扩展到多远。
MiMo-V2.6 目前正处于强化学习中间阶段。该团队为其扩展了三项能力：
计算（每步约 20 亿个 Token，1,568 个 Prompt × 16 条 Rollout，完全异步）
环境和工具（多任务智能体强化学习，一次运行中混合多个框架）
Grader Compute（给打分 / 评分过程本身增加算力，Agentic In-group Credit Assignment，包含测试案例和评分标准奖励）
小米 MiMo 团队将在接下来的几周内逐步开源这些细节。
罗福莉还直接晒出了 MiMo-V2.6 模型的训练直播链接，总花费已超 125 万美元（注：现汇率约合 840.3 万元人民币），直播页面显示 MiMo-V2.6 模型即将推出。
附直播地址：
声明：本文转载自IT 之家，转载目的在于传递更多信息，并不代表本社区赞同其观点和对其真实性负责，本文只提供参考并不构成任何建议，若有版权等问题，点击这里查看更多信息！
