MiMo: Het redeneervermogen van taalmodelen ontsluiten -- Van vooraf trainen tot na-trainen

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

May 12, 2025

Auteurs: 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

Samenvatting

We presenteren MiMo-7B, een groot taalmodel ontwikkeld voor redeneertaken, met optimalisaties in zowel de voor- als na-trainingsfasen. Tijdens de voorbereidende training versterken we de gegevensverwerkingspijplijn en gebruiken we een drietraps strategie voor het mengen van gegevens om het redeneervermogen van het basismodel te versterken. MiMo-7B-Base is voorgetraind op 25 biljoen tokens, met een aanvullende Multi-Token Voorspellingsdoelstelling voor verbeterde prestaties en versnelde inferentiesnelheid. Tijdens de na-training hebben we een dataset samengesteld van 130K verifieerbare wiskundige en programmeerproblemen voor reinforcement learning, waarbij we een testmoeilijkheidsgestuurd code-beloningsschema integreren om problemen met schaarse beloningen te verlichten en strategische gegevensherbemonstering toepassen om de training te stabiliseren. Uitgebreide evaluaties tonen aan dat MiMo-7B-Base een uitzonderlijk redeneervermogen heeft en zelfs veel grotere 32B-modellen overtreft. Het uiteindelijke RL-afgestemde model, MiMo-7B-RL, behaalt superieure prestaties op wiskundige, code- en algemene redeneertaken en overtreft de prestaties van OpenAI o1-mini. De modelcheckpoints zijn beschikbaar op 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.