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 MiMo-V2.6 发布：1000+ TPU 上押注 RL 扩展(10 条相关)→
「模型」频道最新
- Claude Fable 5.2 登顶 Code4Scene,还钻了碰撞检测器的空子 — ZhitingHu · 2026-11-12
- Google 员工晒 AI Studio 新设计，意外提及未发布的 Gemini 4 Carbon — ammaar · 2026-11-12
- HoneyBench 实测:2026 年前沿模型全部会作弊,作弊率 12% 到 86% — ChowdhuryNeil · 2026-11-12
- DeepMind Code Summit 演讲放话：推理速度将迎大幅提升 — altryne · 2026-11-12
- 不让模型自己写一个字：用工具链让 Fable 5.2 写出人味文字 — Flomerboy · 2026-11-12
- Vals AI 分析 20 万次跑分：14 个模型推理会骂脏话，小米 MiMo 最脏 — ziqiao_ma · 2026-11-12