MiMo: Sbloccare il Potenziale di Ragionamento dei Modelli Linguistici - Dal Pretraining al Posttraining

MiMo: Unlocking the Reasoning Potential of Language Model -- From Pretraining to Posttraining

May 12, 2025

Autori: Xiaomi LLM-Core Team, Bingquan Xia, Bowen Shen, Cici, Dawei Zhu, Di Zhang, Gang Wang, Hailin Zhang, Huaqiu Liu, Jiebao Xiao, Jinhao Dong, Liang Zhao, Peidian Li, Peng Wang, Shihua Yu, Shimao Chen, Weikun Wang, Wenhan Ma, Xiangwei Deng, Yi Huang, Yifan Song, Zihan Jiang, Bowen Ye, Can Cai, Chenhong He, Dong Zhang, Duo Zhang, Guoan Wang, Hao Tian, Haochen Zhao, Heng Qu, Hongshen Xu, Jun Shi, Kainan Bao, QingKai Fang, Kang Zhou, Kangyang Zhou, Lei Li, Menghang Zhu, Nuo Chen, Qiantong Wang, Shaohui Liu, Shicheng Li, Shuhao Gu, Shuhuai Ren, Shuo Liu, Sirui Deng, Weiji Zhuang, Weiwei Lv, Wenyu Yang, Xin Zhang, Xing Yong, Xing Zhang, Xingchen Song, Xinzhe Xu, Xu Wang, Yihan Yan, Yu Tu, Yuanyuan Tian, Yudong Wang, Yue Yu, Zhenru Lin, Zhichao Song, Zihao Yue

cs.AI

Abstract

Presentiamo MiMo-7B, un modello linguistico di grandi dimensioni nato per compiti di ragionamento, con ottimizzazione sia nella fase di pre-training che di post-training. Durante il pre-training, abbiamo migliorato la pipeline di pre-elaborazione dei dati e adottato una strategia di miscelazione dei dati in tre fasi per potenziare le capacità di ragionamento del modello di base. MiMo-7B-Base è stato pre-addestrato su 25 trilioni di token, con l'obiettivo aggiuntivo di Multi-Token Prediction per migliorare le prestazioni e accelerare la velocità di inferenza. Durante il post-training, abbiamo curato un dataset di 130K problemi verificabili di matematica e programmazione per l'apprendimento per rinforzo, integrando uno schema di ricompensa basato sulla difficoltà del test per alleviare i problemi di ricompensa sparsa e impiegando un campionamento strategico dei dati per stabilizzare l'addestramento. Valutazioni estensive dimostrano che MiMo-7B-Base possiede un potenziale di ragionamento eccezionale, superando persino modelli molto più grandi da 32B. Il modello finale ottimizzato con RL, MiMo-7B-RL, raggiunge prestazioni superiori in compiti di matematica, codice e ragionamento generale, superando le prestazioni di OpenAI o1-mini. I checkpoint del modello sono disponibili su https://github.com/xiaomimimo/MiMo.

English

We present MiMo-7B, a large language model born for reasoning tasks, with optimization across both pre-training and post-training stages. During pre-training, we enhance the data preprocessing pipeline and employ a three-stage data mixing strategy to strengthen the base model's reasoning potential. MiMo-7B-Base is pre-trained on 25 trillion tokens, with additional Multi-Token Prediction objective for enhanced performance and accelerated inference speed. During post-training, we curate a dataset of 130K verifiable mathematics and programming problems for reinforcement learning, integrating a test-difficulty-driven code-reward scheme to alleviate sparse-reward issues and employing strategic data resampling to stabilize training. Extensive evaluations show that MiMo-7B-Base possesses exceptional reasoning potential, outperforming even much larger 32B models. The final RL-tuned model, MiMo-7B-RL, achieves superior performance on mathematics, code and general reasoning tasks, surpassing the performance of OpenAI o1-mini. The model checkpoints are available at https://github.com/xiaomimimo/MiMo.