小米罗福莉回归官宣强化学习新模型，直播训练全过程

沉寂半年的罗福莉官宣小米强化学习新模型进展，并以直播形式公开模型训练过程，展示奖励曲线、显卡故障等真实细节，一小时训练成本约 3 万美元，引发对国产 RL 训练成本与效率的讨论。