大模型
MiMo-V2.6开展大规模RL训练，细节将陆续开源
Fuli Luo表示，团队经过近半年研究，正对MiMo-V2.6开展大规模RL训练，并扩展每步约20亿tokens的计算量、多任务agentic RL环境和裁判计算。
Fuli Luo在X上表示，团队经过近半年研究，正对MiMo-V2.6开展大规模RL训练，扩展了计算量、环境和裁判计算三方面。其中，每步计算量约为20亿tokens，环境扩展至多任务agentic RL，相关细节将陆续开源。
Fuli Luo表示，团队经过近半年研究，正对MiMo-V2.6开展大规模RL训练，并扩展每步约20亿tokens的计算量、多任务agentic RL环境和裁判计算。