每小时成本超3万美元！沉寂半年后小米罗福莉直播大模型训练过程

Ce que rapporte la source

沉寂半年后，小米罗福莉再次卷入大模型“厮杀”战场，并全程直播大模型训练过程。9月17日凌晨，小米MiMo大模型团队负责人、前DeepSeek研究员罗福莉在X平台发文表示，目前正在研究强化学习（RL）能走多远。目前，小米旗下最新大模型MiMo-V2.6正处于其RL运行的中途，在此期间，团队正在进行三方面扩展：第一是计算资源（每步约20亿token，1568个提示×16次rollout，完全异步），第二是环境和测试框架（多任务代理式RL，在一次运行中混合多个测试框架），第三是评估计算（代理式组内信用分配，带有测试用例和基于量规的奖励），并透露将在未来几周逐步开源细节。罗福莉分享了MiMo-V2.6的实时训练页面，这也是外界首次看到这一代模型强化学习阶段的部分训练状态。从罗福莉公开的训练页面来看，MiMo-V2.6正在进行一次大规模Agent(智能体）强化学习实验。页面展示模型训练进度、Toke...