日期: 2025 年 4 月 30 日

小米首个推理大模型突然开源！股价上涨近5%

作者

小米开源首个推理大模型Xiaomi MiMo，7B参数量的MiMo-7B-RL在数学和代码竞赛上超过OpenAI o1-mini及阿里Qwen。研究显示通过预训练和后训练过程中的多项创新联动提升推理能力，涵盖多样化数据与高质量推理模式相结合策略的有效性。

R1-Zero的无监督版本来了！SFT不再是必须，EMPO重新定义大模型推理微调

作者

本文提出Entropy Minimized Policy Optimization (EMPO)方法，旨在实现完全无监督条件下大模型推理能力的提升。该方法不需要监督微调或人工标注的答案，仅通过强化学习训练从基模型中获得策略，并利用语义相似性聚类生成的多个回答作为奖励信号，从而在数学及其他通用推理任务上取得显著性能提升。