北京
分享至
IT时代网9月17日消息，小米MiMo大模型负责人罗福莉发文称，自4月开源MiMo-v2.5之后，小米沉寂了近半年，团队用这段时间研究一件事，即强化学习究竟能扩展到多远。
据其介绍，MiMo-V2.6目前正处于强化学习的中间阶段，团队为该模型扩展了三项能力。一是计算，每步约20亿个Token，采用1568个Prompt、每个16条Rollout，完全异步运行；二是环境和工具，通过多任务智能体强化学习，在一次运行中混合多个框架；三是Grader Compute，为打分与评分过程本身增加算力，包含Agentic In-group Credit Assignment，并纳入测试案例和评分标准奖励。
罗福莉表示，小米MiMo团队将在接下来的几周内逐步开源这些细节。她还公布了MiMo-V2.6模型的训练直播页面，显示该模型训练总花费已超过125万美元，按当前汇率约合840.3万元人民币，页面同时显示MiMo-V2.6即将推出。
注：本文综合自IT之家等，文中包含AI辅助创作的内容。
编辑：林一舟
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
