Xiaomi thử nghiệm quy mô lớn với thuật toán tăng cường học tập MiMo-V2.6

Xiaomi scales reinforcement learning runs for MiMo-V2.6

Nhóm phát triển MiMo của Xiaomi đang tiến hành quá trình huấn luyện tăng cường học tập quy mô lớn cho mô hình MiMo-V2.6 với khối lượng khoảng 2 tỷ token mỗi bước. Quá trình này bao gồm việc mở rộng quy mô tính toán cho môi trường, công cụ đánh giá và tự động hóa thử nghiệm trực tiếp.