北京
沉寂了将近半年，MiMo团队把这段时间花在了一个问题上：强化学习到底能扩展到什么程度。他们没有先给答案，而是先给了一组正在跑的数字。
MiMo-V2.6还在RL训练中
据披露，MiMo-V2.6目前正处于强化学习训练阶段，尚未结束。团队把这次训练中"被放大"的东西归纳为三块，其中第一块就是算力。
具体到量级：每一步约消耗20亿token，由1568条prompt乘以16次rollout构成，并且采用完全异步的方式推进。这组数字是这次曝光里最硬的部分，也是理解"扩展"二字的入口。
不只是堆算力
第二块被放大的是环境与工具链。团队提到的是多任务方向的环境和harness——也就是说，RL训练要跑起来，光有算力不够，还得有配套的任务环境和执行框架。
第三块则指向训练本身的组织方式。三块内容放在一起看，逻辑是清楚的：算力、环境、harness，缺一块，规模就上不去。
半年沉默换来的问题
值得注意的是时间线。团队用"近半年的沉默"来描述这段空窗期，并明确说这段时间只研究了一个问题——RL能扩展到多远。
这个提问方式本身就有信息量。它不是在问某个具体任务能不能做好，而是在问规模这条曲线还能不能继续往上走。MiMo-V2.6的这次训练，就是对这个问题的实测。
目前能确认的是训练仍在进行中，最终结果尚未公布。至于这次扩展会把模型带到什么水平，还要等训练跑完才有答案。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
