小米MiMo-7B模型：推理潜力与强化学习

MiMo-7B-RL 是小米开发的一个 70 亿参数 的语言模型系列中的一个特定版本。它特别强调通过强化学习（RL）进行后训练，以解锁和提升模型固有的推理潜力。这个模型是基于 MiMo-7B-SFT 模型进一步训练而成的，在数学和代码推理任务上表现出色，其性能可与 OpenAI 的 o1-mini 模型媲美。