XiaomiのMimo 2.6、強化学習のライブダッシュボードを公開

Xiami Mimo 2.6 Live Training Dashboard

XiaomiのMimo 2.6が強化学習のトレーニング進捗をリアルタイムで公開するダッシュボードを公開した。step 15ではdynsam/avg@nが0.596に達し、前回から0.012上昇。累計トークン数は2.69Bに。ログにはaccepted、judged、pass率、remaining、partial、rewarding、prewarmなどの詳細な指標が刻々と記録され、モデル改善の過程を生々しく追跡できる。