2026-10-10: Xiaomi улучшила ИИ обучение MiMo с RL и получила рост 🎯

Xiaomi потратила около $2,6 млн на обучение модели MiMo через попытки, ошибки и обратную связь.

Команда MiMo-V2.6 масштабирует обучение с подкреплением для ИИ-агентов, улучшая три компонента: количество попыток и пропускную способность, разнообразие задач и вычисления для проверки решений.

Проверяющие внутри группы сравнивают решения, чтобы улучшить качество и сократить пути к результату, а также внедрена защита от reward hacking.

Результаты улучшились на DeepSWE v1.1: Pro вырос с 58,4% до 72,6%, Flash с 48,8% до 65,7%. Открыты веса, RL-фреймворк и более 7 000 тренировочных сред.

🌎 Источник

✍️ by data_analysis_ml

#news #ai #tools
🇬🇧 🇷🇺 ☕️ 🌐 💷