Xiaomi livestream quá trình huấn luyện mô hình MiMo-V2.6, đầu tư hơn 1,25 triệu USD

Theo tin từ IT ngày 17 tháng 9, Luo Fuli, người đứng đầu dự án mô hình lớn MiMo của Xiaomi, hôm nay đã đăng tải thông tin cho biết kể từ khi mã nguồn mở MiMo-v2.5 vào tháng 4, Xiaomi đã tạm lắng gần nửa năm để dành thời gian nghiên cứu một vấn đề: học tăng cường (reinforcement learning) thực sự có thể mở rộng đến mức nào.

MiMo-V2.6 hiện đang trong giai đoạn trung gian của quá trình học tăng cường. Đội ngũ phát triển đã mở rộng ba khả năng cho mô hình này:

Tính toán (khoảng 2 tỷ Token mỗi bước, 1.568 Prompt × 16 Rollout, hoàn toàn bất đồng bộ)

Môi trường và công cụ (học tăng cường cho tác nhân đa nhiệm, kết hợp nhiều khung làm việc trong một lần chạy)

Grader Compute (tăng cường sức mạnh tính toán cho chính quá trình chấm điểm/đánh giá, phân bổ tín dụng nội bộ cho tác nhân - Agentic In-group Credit Assignment, bao gồm các trường hợp kiểm thử và phần thưởng dựa trên tiêu chuẩn chấm điểm)

Đội ngũ MiMo của Xiaomi sẽ dần dần công bố mã nguồn mở cho các chi tiết này trong vài tuần tới.

Luo Fuli cũng trực tiếp chia sẻ đường link phát trực tiếp quá trình huấn luyện mô hình MiMo-V2.6, với tổng chi phí đã vượt quá 1,25 triệu USD (Ghi chú của IT: theo tỷ giá hiện tại tương đương khoảng 8,403 triệu Nhân dân tệ), trang phát trực tiếp cho thấy mô hình MiMo-V2.6 sắp sửa ra mắt.

IT đính kèm địa chỉ phát trực tiếp:

https://mimo.xiaomi.com/rl/

Thông báo quảng cáo: Các liên kết chuyển hướng bên ngoài có trong bài viết (bao gồm nhưng không giới hạn ở siêu liên kết, mã QR, mật khẩu, v.v.) được sử dụng để truyền tải thêm thông tin và tiết kiệm thời gian chọn lọc, kết quả chỉ mang tính chất tham khảo. Các bài viết của IT có chứa liên kết ngoài đều bao gồm thông báo này.