Mga Papel at Pananaliksik

Sinuri at inayos ng Xiaomi MiMo-V2.6 ang paulit-ulit na tool calling, binaba ng MOPD ang gastos sa pag-aayos sa 4% ng MixRL

Orihinal na pamagat:Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6

AI summary

Sa opisyal na pagsusuri ng Xiaomi sa paulit-ulit na tool calling pagkatapos ng paglabas ng MiMo-V2.6, lumampas sa 0.05% ang response-level repetition rate, at pinaghiwalay nito ang normal na parallel calling, call proliferation at call repetition. Ipinakita ng replay ng bawat checkpoint ng RL na tumaas ang proliferation rate mula 11.1% hanggang 24.6% kasabay ng pagsasanay, at masyadong maluwag ang parusa sa 32-call threshold. Ang direktang pagbaba ng threshold ay nangangailangan ng pag-restart ng 20-step MixRL, tinatayang $2.31 milyon ang gastos, at bumaba lamang ang internal test repetition rate mula 13.45% hanggang 3.83%.

Mahahalagang impormasyon

  • Sa opisyal na pagsusuri ng Xiaomi sa paulit-ulit na tool calling pagkatapos ng paglabas ng MiMo-V2.
  • 6,lumampas sa 0.
  • 05% ang response-level repetition rate,at pinaghiwalay nito ang normal na parallel calling,call…
  • Ipinakita ng replay ng bawat checkpoint ng RL na tumaas ang proliferation rate mula 11.
  • 1% hanggang 24.

Mabilisang tingin

Na-publish noong
Na-update noong
Pinagmulan
小米 MiMo:官网发布与博客
Kategorya
Mga Papel at Pananaliksik
AI na marka
63
Basahin ang orihinal Basahin ang buong artikulo sa orihinal na pinagmulan
Dahilan ng rekomendasyon

原文给出完整的归因实验和修复路径,还公开了成本对比,读者可借鉴其诊断 RL 训练中涌现行为的方法。

Pinagmulan at copyright

Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.

Link ng orihinal · Entry sa AIHOT

Paano banggitin

Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.

Orange News: Sinuri at inayos ng Xiaomi MiMo-V2.6 ang paulit-ulit na tool calling, binaba ng MOPD ang gastos sa pag-aayos sa 4% ng MixRL. 27 Setyembre 2026. https://new.nat6.net/fil/news/cmuk25h00156vro9h173e1zjz/

Tingnan lahat →