bycloud· bycloud·· 1 天前AI 评分38
小米 MiMo 用 347 万美元跑 30 步 RL 训练，揭示前沿智能体训练成本
Xiaomi Just Showed Us What Million-Dollar RL Training Looks Like
AI 导读
小米在 MiMo 的 RL 训练中仅 30 步就花费 347 万美元，展示了前沿智能体强化学习的规模与复杂度。相关材料包括 MiMo 训练仪表盘、MiMo v2.6 论文，以及 MiMo reward hacking 调查。
来源：bycloud · youtube.com