Xiaomi ускорила обучение агентов, сравнивая решения внутри огромных партий
MiMo-V2.6 обучалась в среде из более чем 7000 песочниц с инструментами и интерфейсами
На каждом шаге обрабатывались 1568 задач, по 16 попыток на задачу и 2,7–3,7 млрд токенов
GRS формирует итоговые критерии после получения ответов, затрудняя подстройку модели под постоянную рубрику
GAR сравнивает соседние решения попарно и переносит сигнал в сторону более чистого успешного решения
Почему важно
Преимущество фронтирных моделей все сильнее определяется скрытой инфраструктурой обучения и качеством обратной связи, а не одной архитектурой весов.