> 数据图表如何了解中国MaaS市场主要厂商市场份额2025-5-1官方表示，MiMo 推理能力的提升，由预训练和后训练阶段中数据和算法等多层面的创新联合驱动。包括： 预训练：核心是让模型见过更多推理模式 数据：着重挖掘富推理语料，并合成约 200B tokens 推理数据。 训练：进行了三阶段训练，逐步提升训练难度，总训练 25T tokens。 后训练：核心是高效稳定的强化学习算法和框架 算法：提出 Test Difficulty Driven Reward 来缓解困难算法问题中的奖励稀疏问题，并引入 Easy Data Re-Sampling 策略，以稳定 RL 训练。 框架：设计了 Seamless Rollout 系统，使得 RL 训练加速 2.29 倍，验证加速 1.96 倍。国盛证券综合其他
