Affine
- 发生了什么
- Affine(SN120)发布了新版 MiMo trainer 的迁移代码,随后在全局第 189 个 epoch 切换到 MiMo-V2.6-Distill-Qwen-9B checkpoint 并引入新的 GRPO 目标函数,要求 miner 在继续挖矿前升级其运行环境。团队公布了首批公开的 MiMo epoch 结果,signed fixed32 评估分数在连续几次更新中从 18/32 升至 19/32,再升至 21/32,但团队提醒这反映的是答案格式修正,而非已确认的学习效果提升。一次审计发现部分已关闭的 MiMo 任务组虽然通过了评分检查,但在某个 token 边界上与规定的 cached sampler 结果不一致,目前相关调查仍在进行中。另外,SN120 下调了 min_difficulty,并将 max_validators 从 64 降至 1,同时启用了 proof-of-work 注册机制,允许 miner 以零 TAO 完成注册。
- 社区反应
- Miner 与团队讨论了 GRPO 训练停滞不前的原因,指出数学数据集规模过小导致 rollout 提交反复重复、注册成本偏向拥有更多 slot 的 miner,并担忧 miner 更看重 TAO 奖励而非模型的实际改进。有人建议扩充数据集,并要求 miner 提交其前 N 条轨迹的批次,而不是挑选过的样本。
- 官方动态
- 团队发布了 MiMo 迁移代码,确认了在第 189 个 epoch 完成切换,公布了关于 cached-sampler 不一致问题的审计诊断结果,并说明针对答案格式的分数修正不会改变官方签署的 18/32 至 19/32 的结果。
争议焦点 · Affine 的训练稳定性与奖励机制 · 11 人参与
-
数据集规模过小,导致各 epoch 间反复出现相同的 rollout 提交,使训练陷入停滞。
“dataset is too small, so we keep seeing the same submissions repeated every epoch.”数据集太小了,所以我们每个 epoch 都看到同样的提交内容反复出现。
-
较高的注册成本偏向拥有更多 slot 的 miner,给新 miner 加入设置了门槛。
“Right now, it's hard for new miners to join the competition because miners with more slots create a high barrier to reg war.”现在新 miner 很难加入竞争,因为拥有更多 slot 的 miner 把注册战的门槛抬得很高。
-
Miner 更关注赚取 TAO,而不是真正为模型改进做贡献。
“current miners care more about earning TAO than improving the model.”目前的 miner 更在意赚取 TAO,而不是改进模型。