InfoQ 中国· 褚杏娟·· 5 天前AI 评分68
小米披露 MiMo-V2.6 规模化强化学习路线：单次 RL 后训练烧掉 260 万美元
单次RL后训练烧掉260万美元、每步37亿Token，小米披露MiMo-V2.6“规模化强化学习”路线
AI 导读
10 月 8 日，小米 MiMo 团队发布技术报告《MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement》，推出 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 两款 MoE 模型，Pro 总参数 1.02T、激活 42B，Flash 总参数 310B、激活 15B。
来源：InfoQ 中国 · infoq.cn