小米 MiMo 团队直播强化学习训练全过程，训练成本与奖励曲线全部公开

内容摘要

罗福莉官宣小米强化学习进展，公开 MiMo 新模型训练的花费、步数、奖励曲线和显卡故障等信息；开训 36 小时两款模型已花费超 108 万美元。