問題 4 / 5
這次小米提出的「You Only RL Once」訓練方式，為什麼能幫 AI 研發大幅縮短時間並省下數百萬美元？
AI 根據文章內容回答
傳統的大模型強化學習（RL）通常採用「分階段專項特訓」——寫程式練一套、圖像理解練一套、資安攻防再練一套，這導致訓練時間拉長，且容易產生「學了新能力、忘記舊能力」的災難性遺忘現象。
- 多領域混合並行訓練：小米的「You Only RL Once」打破了這個限制，將程式碼生成、Agent 任務、視覺理解與資安攻防等多領域數據，一次性全部納入同一輪 RL 流程中進行訓練。
- 創新的評分與蒸餾機制：透過團隊設計的「Groupwise Agentic Grading」自動評分機制，模型能迅速獲得準確的反饋；再加上「Multi-Teacher On-Policy Distillation」，讓模型邊練邊向多個專精領域的大型導師模型學習精華。
- 極致的迭代效率：這種方法避免了重複訓練的資源浪費，最終僅用 30 個訓練步驟、6 天時間與 75 萬條軌跡就完成收斂，成功將算力成本縮減至傳統旗艦模型的幾十分之一。