Xiaomi MiMo – 小米開源的首個推理大模型

Xiaomi MiMo 是小米推出的首個開源推理大模型，旨在顯著提升復雜推理任務的性能。該模型依托聯動預訓練與后訓練的策略，深入挖掘豐富的推理語料，并采用創新的強化學習算法，尤其在數學推理與代碼生成方面展現出卓越的能力。

Xiaomi MiMo是什么

Xiaomi MiMo 是小米開源的首個推理大模型，專注于提高模型在復雜推理任務中的表現。該模型基于聯動預訓練和后訓練的方法，充分挖掘海量富推理語料，結合創新的強化學習算法，顯著增強數學推理和代碼生成的能力。MiMo 僅使用 7B 參數，在多個公開測評集上表現優異，超越了 OpenAI 的 o1-mini 和阿里 Qwen 的 QwQ-32B-Preview 等更大規模的模型。Xiaomi MiMo 提供四個模型版本，分別是預訓練模型 MiMo-7B-Base、監督微調模型 MiMo-7B-SFT、強化學習模型 MiMo-7B-RL 和 MiMo-7B-RL-Zero，所有版本均已開源至 HuggingFace，為開發者提供強大的推理工具。

Xiaomi MiMo的主要功能

• 卓越的數學推理能力：能夠解決復雜的數學問題，提供清晰的推理過程和準確的答案。
• 高效的代碼生成能力：生成高質量的代碼，適用于多種編程任務，助力開發者高效完成工作。
• 優化的推理性能：通過聯動預訓練和后訓練提升推理能力，以 7B 參數規模超越更大模型，展現出優秀的推理效率。

Xiaomi MiMo的技術原理

• 預訓練階段：重點挖掘豐富的推理語料，合成約 200B tokens 的推理數據，確保模型熟悉更多推理模式，通過三階段訓練逐步提升訓練難度，總訓練量達到 25T tokens，模型在多種難度的任務中逐步提升能力。
• 后訓練階段：
  • 強化學習算法：引入 Test Difficulty Driven Reward 算法，以解決困難算法中獎勵稀疏的問題，提升模型在復雜任務中的表現。
  • 數據重采樣策略：采用 Easy Data Re-Sampling 策略，以穩定強化學習訓練過程。
  • 高效訓練框架：設計 Seamless Rollout 系統，顯著加速 RL 訓練（2.29 倍）和驗證（1.96 倍），提升訓練效率。
• 模型架構優化：針對推理任務進行了模型架構的優化，確保在有限的參數規模下實現高效的推理能力。

Xiaomi MiMo的項目地址

• GitHub倉庫：https://github.com/XiaomiMiMo
• HuggingFace模型庫：https://huggingface.co/XiaomiMiMo
• 技術論文：https://github.com/XiaomiMiMo/MiMo/blob/main/MiMo-7B-Technical-Report.pdf

Xiaomi MiMo的應用場景

• 教育領域：為數學解題和編程學習提供支持，展示解題步驟和代碼示例。
• 科研與學術：協助邏輯推理和算法開發，幫助驗證假設及設計實驗。
• 軟件開發：生成和優化代碼，輔助代碼調試與問題解決。
• 智能客服：高效解答復雜問題，提升問答系統的響應能力。
• 游戲娛樂：提供策略建議和智力謎題解答，增加游戲的趣味性。

常見問題

Q1: Xiaomi MiMo適合哪些用戶？
A: Xiaomi MiMo 適用于教育工作者、研究人員、軟件開發者、客服人員以及游戲開發者等多種用戶群體。

Q2: Xiaomi MiMo如何獲取？
A: 用戶可以通過訪問 Xiaomi MiMo 的 GitHub 和 HuggingFace 頁面獲取相關資源和模型。

Q3: Xiaomi MiMo的主要優勢是什么？
A: 其主要優勢在于強大的數學推理和代碼生成能力，能夠在較小的參數規模下實現高效的推理性能。