模型官方一手
小米直播展示 MiMo-V2.6 Pro 强化学习训练过程
Xiaomi Livestreams MiMo-V2.6 Pro and Flash RL Post-Training Dashboard
精选理由
小米直播了他们的 AI 模型 MiMo-V2.6 Pro 的训练过程，能看到具体的数据和成本，挺有意思的。
小米公开直播 MiMo-V2.6 Pro 的强化学习训练过程，包括步骤、令牌数、奖励和成本，这是对大规模智能体 RL 的罕见开放视角。
原文 · Pandaily
Xiaomi Livestreams MiMo-V2.6 Pro and Flash RL Post-Training Dashboard
Xiaomi MiMo publicly streams MiMo-V2.6 Pro/Flash reinforcement-learning post-training—steps, tokens, rewards, and cost—at mimo.xiaomi.com/rl/, a rare open view of agent RL at scale.
