小米 MiMo v2.6 发布，深度解析其 RL 训练三大 scaling 变量
tokenbender · x · 2026-09-22
小米发布 MiMo v2.6，tokenbender 发长线程深度解读其以强化学习为核心的技术路线。
论文核心思路是显式 scale 三件事：
- batch size 与吞吐：主张从吞吐量和 GPU 扩展便利性的角度选用大 batch
- 环境多样性：扩大 RL 训练环境的覆盖面
- grader 算力：加大奖励评分环节的计算投入
帖子逐一讨论这些选择的动机与权衡，是理解当前 RL 后训练 scaling 实践的较好材料。
所属事件:小米发布 MiMo v2.6，RL 三要素扩规模成核心看点(6 条相关)→
「模型」频道最新
- Claude Code 用量重置会同时保留全球与银行式重置？ — Angaisb_ · 2026-09-22
- Anthropic「宪法」被指名不副实：本质就是 RLAIF 省人力标注 — WillRinehart · 2026-09-22
- 云栖大会爆料：Qwen4 已在训练，Qwen4.5/5 将冲 5-10 万亿参数 — ChrisGPT · 2026-09-22
- 逆向 Splash 包格式移植 Qwen3.8-27B，M5 Max 上 64k 上下文解码近 88 tok/s — SeveralViolins · 2026-09-22
- Fable 新行为：可打断当前回答先答新问题再继续 — gleech · 2026-09-22
- OpenAI 纳维-斯托克斯证明被指钻了题设漏洞 — joshgans · 2026-09-22