.png)
9月23日，小米正式发布并开源MiMo-V2.6大模型，包含Pro和Flash两款版本，支持1M上下文及多模态输入。此次升级核心聚焦后训练，将代码、Agent、视觉与安全任务纳入同一套强化学习系统。为应对长轨迹计算压力，模型采用滑动窗口注意力、稀疏MoE及推测解码架构，并引入全异步GRPO训练机制。此外，小米创新设计了GRS、GAR奖励机制与MOPD2蒸馏技术，打破传统二元奖励，实现过程质量比较与轨迹复用。这标志着Agent RL正从算法向系统工程演进，大幅提升训练反馈质量。
原文链接
本文链接：https://kx.umi6.com/article/38007.html
转载请注明文章出处
分享至
打开微信扫一扫
内容投诉
生成图片
.png "38007")
相关推荐
.png)
换一换
机器人运控训练步入分钟级时代！清华AIR开源UniLab：3分钟训好人形，速度暴涨10倍，Mac上也能跑
2026-06-02 12:26:59
亚马逊开建AGI实验室，一号位也是华人
2025-09-22 09:54:37
Cursor发布首个编程大模型！代码生成250tokens/秒，强化学习+MoE架构
2025-10-30 10:33:49
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
2025-07-20 15:05:31
马斯克悄然发布Grok 4.1，霸榜大模型竞技场所有排行榜
2025-11-18 15:24:50
OpenAI新模型被曝秘密训练中，o4会是什么样？
2025-06-10 18:54:49
4B小模型数学推理首超Claude 4，700步RL训练逼近235B性能 | 港大&字节Seed&复旦
2025-07-09 15:04:14
2025上半年，AI Agent领域有什么变化和机会？
2025-07-11 08:33:06
LLM强化学习新框架！UCSD多智能体训练框架让LLM工具调用能力暴增5.8倍
2025-11-08 13:43:06
无需外部数据！AI自问自答实现推理能力进化
2025-08-08 16:13:47
OpenAI总裁透露GPT-5改了推理范式，AGI实现要靠现实反馈
2025-08-18 17:48:45
QwenLong-L1-32B 模型登场：阿里通义千问首个强化学习训练的长文本推理 AI 模型
2025-05-27 14:51:28
机器狗能打羽毛球：仅靠强化学习从 0 自学，还会自己移步
2025-05-30 17:53:28
743 文章
1000798 浏览
24小时热文
更多
-
2026-11-07 23:22:59 -
2026-11-07 18:11:08
-
2026-11-07 18:09:45
