小米直播MiMo-V2.6强化学习训练过程，每小时烧3万美元

小米公开直播MiMo-V2.6 Flash和Pro两款模型的强化学习训练，实时展示训练成本、奖励曲线和硬件状态。负责人罗福莉在沉寂半年后解释，团队专注于研究强化学习能扩展到多远，并沿训练计算量、环境/执行框架、评分计算三个维度扩展RL。训练已进行约一天多，两款模型在RL过程中均有明显能力提升。

+8