待验证50% 置信事实精确时间

MiMo训练采用完全异步（fully async）的rollout机制，每步约20亿tokens

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/17

首次发现

有效期至：2026/12/16

来源

小米直播百万美元级RL训练：MiMo-V2.6如何公开挑战强化学习极限

涉及实体

相关事实

待验证本项目通过Step Functions实现的自动重训练机制达到MLOps成熟度Level 1的水平61% 相似待验证SmoLLM基础模型训练使用了来自FineWeb-Edu数据集的约25亿token60% 相似待验证小米将其Mimo 2.6模型的后训练过程通过一个实时看板对外公开59% 相似待验证蒸馏攻击通过大规模API调用收集输入-输出对，训练效率可能是常规预训练数据的数十倍59% 相似待验证Agent Tuning属于有监督微调SFT的特化方向，其训练样本是完整的任务轨迹Trajectory而非传统问答对58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/928560

API

curl https://kongchang.com/api/v1/knowledge/claims/928560

MCP

get_claim(id=928560)