Reflection 发布 Beam：501B 参数开源权重模型，西方阵营的答案来了
对比之一：开源前排没有西方名字 开源权重模型的榜单前排，长期被中国实验室占据：GLM 5.2/5.3、Kimi K3、Qwen 3.8-Max、DeepSeek V4.1。西方阵营里有 Meta 的 Llama 系列和 Mistral，但在"前沿能力"这一档，已经落后一个身位。这是 2026 年 AI 行业一个少有人正面处理的结构性事实。 Reflectio…
标签: 强化学习
清除筛选
小米 MiMo-V2.6 开源解读：一份 347 万美元的 RL 训练公开账本
9 月 21 日，小米 MiMo 团队把三个新模型放上 Hugging Face：MiMo-V2.6-Pro-RL、MiMo-V2.6-Flash-RL 和一个 9B 的蒸馏模型 MiMo-V2.6-Distill-Qwen-9B。同一时间，一个平时只有大厂内部才能看到的页面对外开放了——mimo.xiaomi.com/rl，支撑这批模型发布的强化学习训练全…
qorl 技术解读：SFT 加强化学习把 4B 模型训练成 Postgres 查询规划器
qorl 技术解读：用 SFT 加强化学习把 4B 模型训练成 Postgres 查询规划器 训练一个 40 亿参数的开源小模型，让它在 Postgres 默认查询计划之外找出更快的执行方案：工程师 Rohan Bansal 的 qorl 项目把这件事做完了，并公开了全部代码与训练账本。在数据库评测基准 Join Order Benchmark（JOB）的…
500美元微调9B模型超越所有前沿模型：GRPO强化学习的实战案例
小模型与前沿模型的成本效率对比 一家名为 Fermisense 的 AI 工程团队用 2 块消费级 GPU、3.5 天训练时间、约 500 美元的成本，把一个 90 亿参数的开源模型微调到了超越 GPT-5.5、Claude Opus 4.8、Gemini 3.1 Pro 等所有前沿模型的水平。这个成绩来自真实的电商商品审核工作流，用同一套工具、同一批数据、…