感谢IT之家网友 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! IT之家 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 (IT之家注: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 。 IT之家附直播地址: /ai-market-guide/ 广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家包含外链的文章均包含本声明。