Folia
← 返回头版

小米直播训练MiMo-V2.6模型,团队半年专攻强化学习扩展

小米MiMo大模型负责人罗福莉宣布,团队在4月开源MiMo-v2.5后沉寂了近半年,专注于研究一个核心课题——强化学习究竟能扩展到多远1。MiMo-V2.6目前处于强化学习中间阶段,扩展了计算、环境工具和评分三项能力1。

在训练规模方面,每步处理约20亿个Token,采用1,568个Prompt乘以16条Rollout的配置1。MiMo-V2.6的训练成本已超过125万美元1。小米表示将在接下来几周内逐步开源相关训练细节1。


评论