論文・研究

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
出典
小米 MiMo:官网发布与博客
カテゴリ
論文・研究
AI スコア
63
原文を読む 情報源で全文を読む
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。

原文記事 · AIHOT 記事

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/

すべて見る →