Xiaomijev tim MiMo uživo prenosi trening s pojačanim učenjem dvaju još neobjavljenih modela, MiMo-V2.6-Pro i MiMo-V2.6-Flash, putem javne nadzorne ploče. Na stranici se prikazuju metrike treninga izravno iz trenerskih zapisa, uključujući krivulje nagrade, broj rolloutova, vremenski raspored koraka i tekuće troškove računanja.
Nadzorna ploča prati i performanse modela u kodiranju usred treninga te ostale rezultate evaluacije dok procesi traju. Xiaomi još nije objavio nijedan od tih modela za javnu upotrebu niti je najavio konačne specifikacije, cijene ili API.
Voditelj projekta MiMo, Luo Fuli, izjavio je da je tim proveo gotovo šest mjeseci istražujući dokle se pojačano učenje može skalirati nakon objave modela MiMo-V2.5. Na nadzornoj ploči stoji da serija MiMo-V2.6 dolazi „uskoro”. [Xiaomi]
Izvor: TechNode







