小米 MiMo-V2.6 技术报告:260 万美元 RL 算力与三维扩展将万亿参数 MoE 模型推入前沿梯队
中文摘要
小米发布MiMo-V2.6技术报告,通过强化学习优化万亿参数MoE模型,大幅提升训练效率与性能。
English Summary
Xiaomi’s MiMo-V2.6 report introduces a reinforcement learning method to scale trillion-parameter MoE models, significantly enhancing performance and training efficiency.
Original Excerpt
小米 LLM-Core 团队发布 MiMo-V2.6 技术报告,提出同时扩展训练批次、环境多样性与评分器三个维度的 RL 方法。