小米直播训练 MiMo-V2.6，研究强化学习的扩展极限
小米 MiMo 团队在今年 4 月开源 MiMo-v2.5 后，已投入近半年研发 MiMo-V2.6，重点研究强化学习究竟能扩展到多大规模。目前该模型仍处于训练中期。团队扩展了计算资源、多任务智能体的环境与工具，以及用于评分和信用分配的计算资源。训练总成本已超过 125 万美元。小米计划在未来几周逐步公开更多技术细节，但模型的正式发布时间尚未确定。
本文来源：IT之家，仅供学习参考，版权归原作者所有。