TREE NEWS 消息， 小米MiMo团队负责人罗福莉在X平台发文，首次公开新模型MiMo-V2.6的强化学习训练进展。罗福莉表示，团队过去近半年一直研究强化学习还能扩展到什么程度，目前MiMo-V2.6正处于强化学习训练过程中，团队正在扩大三个方向的规模：计算资源、训练环境与任务体系，以及奖励评估机制。
小米MiMo团队公开MiMo-V2.6强化学习训练进展
AI 解读
值得注意的不是又一个模型版本，而是小米把强化学习当作主要扩展方向，并同时押注算力、环境任务与奖励机制三条线。这透露出团队认为预训练之外的收益空间仍在后训练阶段，而非单纯堆参数。对关注AI训练范式的人来说，奖励评估机制能否随规模同步可靠，是这类路线最容易被卡住的环节。目前信息仅止于“训练中”，MiMo-V2.6最终能否兑现这套扩展逻辑，仍是未解的问题。
由 AI 生成，仅供参考。