TREE NEWS 情報： Xiaomi MiMoチームの責任者Luo Fuli氏はXで、同社の新しいMiMo-V2.6モデルが現在強化学習トレーニング中であると述べた。Luo氏によると、チームは過去約6か月をかけて強化学習がどこまでスケールできるかを研究しており、現在は計算リソース、トレーニング環境とタスクシステム、報酬評価メカニズムの3つの領域を拡大している。
上の画像を長押し → 写真に保存 / シェア
TREE NEWS 情報： Xiaomi MiMoチームの責任者Luo Fuli氏はXで、同社の新しいMiMo-V2.6モデルが現在強化学習トレーニング中であると述べた。Luo氏によると、チームは過去約6か月をかけて強化学習がどこまでスケールできるかを研究しており、現在は計算リソース、トレーニング環境とタスクシステム、報酬評価メカニズムの3つの領域を拡大している。