.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
秒级生成百万级token！九章云极发布九章智算云Alaya NeW Cloud 2.0
2025-06-16 19:13:12
英伟达发布新 RL 范式：受 DeepSeek-R1 启发，重塑 AI 模型外部工具能力
2025-05-14 15:16:49
深夜突袭，DeepSeek-Prover-V2加冕数学王者！671B数学推理逆天狂飙
2025-05-05 09:43:44
蚂蚁集团开源 Awex 框架，秒级完成 TB 级参数交换
2025-11-20 10:17:17
发自 凹非寺量子位 | 公众号 QbitAI 奥特曼点名表扬了两个波兰人。 没有他们，OpenAI就不是今天的样子。 他们是OpenAI首席科学家Jakub Pachocki以及头衔为“Technical Fellow”的Szymon Sidor。 △左：Jakub Pachocki，右：Szymon Sidor 两人不仅是波兰老乡，而且是高中同学，读博时分别选择了计算机科学和机器人，后来又在OpenAI重聚。 在ChatGPT风靡全球、每天服务数亿用户的今天，奥特曼感慨大多数人永远不会想到背
2025-09-09 18:18:27
最新 AGI 暴论：强化学习的「GPT-3 时刻」实现，还需要 1 万年？
2025-07-14 17:29:16
Meta万引强化学习大佬跑路！用小扎原话作为离别寄语，扎心了
2025-08-26 13:43:07
汪军对话 Rich Sutton：大模型在一定程度上分散了我们对智能理解的注意力
2025-09-28 11:53:51
清华刘知远团队论文：在严格可控环境下重新回答「强化学习能否教会大模型新能力」丨ICLR 2026
2026-02-09 19:27:01
翁荔最新万字长文：Why We Think
2025-05-18 14:20:10
攻克强化学习「最慢一环」！交大字节联手，RL训练速度飙升2.6倍
2025-09-13 17:30:05
不更新参数就能强化学习！OpenAI翁家翌提出新范式：决策只需AI手搓一个.py 文件
2026-05-09 17:26:04
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
721 文章
907359 浏览
24小时热文
更多
-
2026-09-23 13:41:46 -
2026-09-23 13:40:17
-
2026-09-23 13:38:54
