Xiaomi MiMo-V2.6、ツール呼び出しの重複問題を診断・修正、MOPDで修正コストをMixRL方案の4%に削減
原題:Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6
AI 要約
XiaomiはMiMo-V2.6公開後のツール呼び出し重複問題を公式に振り返り、応答レベルの重複率が0.05%超であることを確認し、正常な並列呼び出し、呼び出しの氾濫、呼び出しの重複を区別した。RLの各checkpointを再生すると、氾濫率は訓練に伴い11.1%から24.6%へ上昇し、32回呼び出しの閾値ペナルティは緩すぎた。閾値を直接下げるには20ステップのMixRL再起動が必要で、推定コストは231万ドル、しかも内部テストの重複率は13.45%から3.83%へ下がるのみだった。
要点
- XiaomiはMiMo-V2.
- 6公開後のツール呼び出し重複問題を公式に振り返り、応答レベルの重複率が0.
- 05%超であることを確認し、正常な並列呼び出し、呼び出しの氾濫、呼び出しの重複を区別した。
- RLの各checkpointを再生すると、氾濫率は訓練に伴い11.
- 6%へ上昇し、32回呼び出しの閾値ペナルティは緩すぎた。
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 63
おすすめの理由
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。
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:Xiaomi MiMo-V2.6、ツール呼び出しの重複問題を診断・修正、MOPDで修正コストをMixRL方案の4%に削減。2026年9月27日。https://new.nat6.net/ja/news/cmuk25h00156vro9h173e1zjz/