小米直播训练MiMo-V2.6模型，罗福莉称沉寂半年钻研强化学习
2026-09-17 16:03:14 |
|
6254
9月17日，小米MiMo大模型负责人罗福莉发文称，自4月开源MiMo-v2.5后，小米沉寂近半年，花时间研究了一件事——强化学习究竟能扩展到多远。
罗福莉透露，MiMo-V2.6目前正处于强化学习中间阶段，团队为其扩展了三项能力：计算方面，每步约20亿个Token，1,568个Prompt×16条Rollout，完全异步；环境和工具方面，进行多任务智能体强化学习，一次运行中混合多个框架；Grader Compute方面，给打分/评分过程本身增加算力，即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。
罗福莉还晒出了MiMo-V2.6模型的训练直播链接，总花费已超125万美元，直播页面显示MiMo-V2.6模型即将推出。
特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字、图片等内容的真实性、完整性、及时性本站不作任何保证或承诺，请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时发送相关信息至bireading@163.com，本站将会在48小时内处理完毕。
