在经历了半年的沉寂后，小米的罗福莉再次参与大模型的竞争，并直播了大模型的训练过程。9月17日凌晨，作为小米MiMo大模型团队的负责人，前DeepSeek研究员罗福莉在社交平台X上分享了他们目前在强化学习（RL）领域的研究进展。目前最新的大模型MiMo-V2.6正处于RL运行的中期，团队正朝三个方向进行扩展：一是计算资源，每一步消耗约20亿tokens，采用1568个提示和16次rollout的完全异步运行；二是环境和测试框架，执行多任务代理式强化学习，混合多个测试框架；三是评估计算，涉及代理式组内信用分配和基于量规的奖励，未来几周将逐步开源相关详细内容。

罗福莉还分享了MiMo-V2.6的实时训练界面，这是外界首次看到该模型在强化学习阶段的一部分状态。训练页面显示了模型训练的进展、Token消耗、训练成本、样本数量等多个内部指标的变化。目前有两个版本的训练数据，分别是MiMo-V2.6-Pro和MiMo-V2.6-Flash。根据统计，这两个版本的训练成本已累计超过128万美元，其中MiMo-V2.6-Pro的训练时长为1天19小时，花费89万美元，平均每小时超2万美元；而MiMo-V2.6-Flash则训练了1天14小时，耗费39.7万美元，平均每小时超1万美元。

小米创始人雷军曾多次提到公司在人工智能方面的突破，今年3月在微博上表示，万亿参数的大模型MiMo-V2-Pro位列全球大模型综合智能排行榜第八，并在品牌排名中名列第五，超过了xAI Grok，后续会快速迭代和增强。罗福莉是雷军从DeepSeek挖来的“95后”AI领军人物，毕业于北京师范大学计算机专业，之后在北京大学深造计算语言学。她曾在阿里巴巴达摩院工作，参与多语言预训练模型的开发。2022年，罗福莉加入了DeepSeek，之后成为DeepSeek-V2等模型的研究员。去年11月，罗福莉首次正式宣布加入小米，并致力于实现智能从语言到物理世界的跨越。 千亿球友会