MiMo-V2.6 进行大规模 RL 训练，细节将陆续开源
Fuli Luo 在 X 上透露，经过近半年研究，团队正对 MiMo-V2.6 进行大规模 RL 训练，扩展了计算量（每步约 20 亿 tokens）、环境（多任务 agentic RL）和裁判计算三方面，细节将陆续开源。
X | mimo rl
科技圈· 茶馆 · 投稿
MiMo-V2.6 进行大规模 RL 训练，细节将陆续开源
Fuli Luo 在 X 上透露，经过近半年研究，团队正对 MiMo-V2.6 进行大规模 RL 训练，扩展了计算量（每步约 20 亿 tokens）、环境（多任务 agentic RL）和裁判计算三方面，细节将陆续开源。
X | mimo rl
科技圈· 茶馆 · 投稿
您是本站第33196名访客 今日有27篇新文章/评论
0 评论