A.I. 日报
Percy Liang@percyliang
很高兴看到又一次在线训练运行！这是 Marin 535B-A23B 今天的情况： https://t.co/Bc3CcV4FOm 还有谁想分享吗？ https://t.co/S71nmJ4fS3 [引用 @_LuoFuli]: 半年的沉默。我们用这段时间研究一个问题：RL（强化学习）能扩展到多远。 MiMo-V2.6 目前正处于其 RL 运行的中期。我们扩展了三件事：计算（~每步 20 亿 token，1568 个 prompts × 16 次 rollouts，完全异步）、环境和测试套件（多任务代理式 RL，在…