挖矿

罗福莉:MiMo-V2.6或完成开源模型领域规模最大的单次强化学习训练之一

小米MiMo团队成员罗福莉发文表示,MiMo-V2.6按算力规模计,可能是迄今开源模型团队开展的最大规模单次强化学习训练之一。团队在算力紧缺的情况下,投入数十人并持续较长时间推进强化学习扩展,模型能力在中期训练阶段形成,并通过大规模强化学习进一步释放。她称,团队针对代码等可验证的中等难度任务采用MixRL训练,对难以验证、超长周期或复杂度过高的任务则单独训练,再通过MOPD合并能力。为推动智能体强化学习研究,团队还发布了一个由MiMo强化学习轨迹蒸馏而来的Qwen模

小米MiMo团队成员罗福莉发文表示,MiMo-V2.6按算力规模计,可能是迄今开源模型团队开展的最大规模单次强化学习训练之一。团队在算力紧缺的情况下,投入数十人并持续较长时间推进强化学习扩展,模型能力在中期训练阶段形成,并通过大规模强化学习进一步释放。她称,团队针对代码等可验证的中等难度任务采用MixRL训练,对难以验证、超长周期或复杂度过高的任务则单独训练,再通过MOPD合并能力。

为推动智能体强化学习研究,团队还发布了一个由MiMo强化学习轨迹蒸馏而来的Qwen模型、7000个多样化环境以及完整的强化学习训练框架。罗福莉表示,MiMo-V2.6只是起点,团队将继续投入时间、算力与研发资源推进可持续自我改进的智能系统。

← 上一篇PlanB:比特币站上主要已实现价格指标,本轮周期跌破5.3万美元可能性较低下一篇 →累计销毁现值46.4亿美元的HYPE,Hyperliquid 24小时回购并销毁近4万枚

相关阅读

Ethereum

Vitalik:高度看好leanPCS,结合EIP-8288架构有望比预期更快实现“密码学证明奇点”

以太坊联合创始人 Vitalik Buterin 发文表示,过去几周他对 leanPCS 的态度从完全不看好转变为高度看好,并详细解释了相关技术。 EIP-8288 旨在对“只需执行一次、链上只需知道结果、之后不再需要原始数据”的计算实现超大规模扩展,尤其适用于签名、STARK 证明、Merkle 分支、FHE 计算等。