Luo Fuli đã nín nhịn suốt nửa năm, Xiaomi đã livestream trực tiếp quá trình học tăng cường của MiMo-V2.6.

Động Sát Beating AI tin nhanh, Xiaomi đang công khai livestream quá trình huấn luyện học tăng cường của MiMo-V2.6 thế hệ tiếp theo.

Người phụ trách Luo Fuli cho biết, đội ngũ đã im lặng gần nửa năm, luôn nghiên cứu xem học tăng cường rốt cuộc còn có thể mở rộng đến quy mô nào. Hiện tại V2.6 vẫn đang được huấn luyện, phương án kỹ thuật cụ thể sẽ lần lượt được mã nguồn mở trong vài tuần tới.

Lần này vừa bắt đầu đã đẩy quy mô lên rất cao. Mỗi bước sử dụng 1568 prompt, mỗi prompt tạo ra 16 rollout, tổng cộng khoảng 2 tỷ Token, toàn bộ chạy bất đồng bộ. Các tác vụ Agent như lập trình, tổng quát, thị giác, an ninh mạng và trò chuyện cũng được trộn lẫn trong cùng một lần huấn luyện, đồng thời sử dụng nhiều bộ harness khác nhau.

Bên ngoài có thể theo dõi thời gian thực các chỉ số nội bộ như thành phần tác vụ, độ dài ngữ cảnh, thời gian huấn luyện của từng bước. Nghiên cứu sinh tiến sĩ UC Berkeley Yichuan Wang dựa trên bảng điều khiển quan sát thấy, mỗi bước có khoảng 1500 tác vụ, tác vụ lập trình chiếm khoảng hai phần ba, đồng thời có hơn 4 vạn sandbox đang hoạt động.