一段话总结
该报告介绍了专为推理任务设计的大语言模型MiMo-7B，其在预训练阶段通过优化数据预处理、采用三阶段数据混合策略（处理约25万亿token）和引入MultiToken Prediction（MTP）目标提升推理潜力；后训练阶段构建13万可验证数学和编程问题数据集，结合测试难度驱动奖励机制和数据重采样策略进行强化学习（RL）。实验表明，MiMo-7B-Base超越同规模模型，MiMo-7B-RL在数学（AIME 2025得分55.4）和代码任务（LiveCodeBench v5得分57.8）上性能优于OpenAI o1-mini，模型 checkpoint 已开源。
思维导图
