小米公开MiMo-V2.6强化学习训练过程，计划开源技术细节
小米MiMo团队负责人、前DeepSeek研究员罗福莉公布了MiMo-V2.6大模型强化学习训练的最新进展。小米同步上线实时页面，展示训练进度、Token消耗和成本。团队正在开展大规模多任务智能体强化学习实验，采用异步并行计算、支持多框架混合运行的环境，以及结合测试用例和评分标准的组内信用分配机制。根据公开数据，MiMo-V2.6-Pro训练约43小时，成本为89万美元；Flash版本训练约38小时，成本为39.7万美元。小米计划在未来数周内逐步开源相关技术细节。
本文来源：AIbase，仅供学习参考，版权归原作者所有。