小米直播强化学习训练，探索多维度扩展
模型AI 评分 75/100量子位待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
小米公开直播 MiMo-V2.6 模型的强化学习训练全过程，36 小时花费超 108 万美元。训练采用完全异步流水线，每个 Step 处理约 20 亿 Token，通过多任务混合与增加评分算力来扩展强化学习能力。目前 Pro 与 Flash 模型在评测中分数分别达 62.24 和 60.77。
为什么值得看
首次公开大规模 Agent RL 训练细节，展示强化学习 Scaling 的具体路径。
强化学习算力
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。