DeepLearning.AI· DeepLearningAI·· 12 天前AI 评分55
DeepLearning.AI 介绍 Xiaomi MiMo-Code 的 Checklist Rewarding 训练方法
A model trained only to pass tests learned to add unrequested code and let errors pass silently. Xiaomi fixed it by multiplying each test...
AI 导读
Xiaomi MiMo-Code 采用 Checklist Rewarding 技术，将每个 checklist 项的分数乘以强化学习奖励，以同时优化功能正确性和代码质量。该方法使模型在 Artificial Analysis Coding Index 上达到 40.8 分，并在 OpenHands SWE-bench Verified 上获得 65.2% 的成绩，领先于其他开源权重模型。
来源：DeepLearning.AI · x.com