活动主题

小米大模型前沿技术分享与人才交流

活动时间

11月16日（周日）14:00 - 17:30

活动地点

信息楼四层学术报告厅

面向对象

计算机科学、人工智能、大数据等相关专业的研究生及高年级本科生，对大模型研发、语音与多模态技术有浓厚兴趣的同学

报告一

预训练+后训练联动优化：从Reasoning到Agentic

主讲人：董谨豪

摘要： MiMo 是小米大模型 Core 团队推出的首个以推理为核心的大模型，在数学与代码任务中已超过 OpenAI o1-mini、QwQ-32B-Preview 等更大模型。其核心在于预训练+后训练的协同优化：预训练以高质量推理语料与多阶段渐进训练积累推理模式，后训练以 Test Difficulty Driven Reward缓解奖励稀疏；同时我们正把这一范式扩展到 Agentic 能力：预训练引入真实多轮问题求解（Issue / PR），后训练scale真实环境和问题，让模型学会多轮解决真实问题。

报告二

MiMo-VL：预训练及后训练技术分享

主讲人：任抒怀

摘要： MiMo-VL 是小米大模型 Core 组发布的全新视觉语言旗舰。MiMo-VL-7B 在图片/视频/语言通用理解与问答上大幅领先同尺寸的 Qwen2.5-VL-7B，在 GUI Grounding 上比肩专用模型 UI-TARS；在多模态推理上，仅 7B 参数就大幅领先 Qwen-2.5-VL-72B、QVQ-72B-Preview，也超越闭源 GPT-4o。我们在预训练中构建了广覆盖、长推理数据管线，显著提升模型思考；在后训练中采用多任务混合 RL，进一步增强推理、感知与交互体验。

报告三

MiMo-Audio：语音领域的GPT-3时刻

主讲人：张栋

摘要： MiMo-Audio 解决了现有语音大模型不具备语音任务泛化、强依赖人工标注的问题，它基于创新预训练架构与 Tokenizer，在上亿小时语音预训练中“涌现” 少样本学习泛化能力。后训练进一步激发智商、情商、表现力与安全性在内的跨模态对齐能力，使其在语音对话自然度、情绪表达、交互适配上呈现极高的拟人化水准。在音频理解与推理、语音对话以及Instruct-TTS的benchmark上都实现了开源 SOTA 的表现，并在多任务上接近甚至超过闭源模型。

报告四

人大实习生在小米大模型团队的科研成长

主讲人：岳子豪

摘要： 分享自己在小米大模型Core团队实习期间，在科研能力、前沿认知、技术审美等方面收获的快速成长，以及和一群真诚热爱的同事怀揣美好信念、共同突破智能上限的科研日常。