Xiaomi MiMo-V2.6 mendiagnosis dan membaiki isu pengulangan panggilan alat, guna MOPD turunkan kos pembaikan kepada 4% berbanding penyelesaian MixRL
Tajuk asal:Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6
Ringkasan AI
Xiaomi menyemak semula secara rasmi isu pengulangan panggilan alat selepas pelancaran MiMo-V2.6, dengan kadar pengulangan peringkat respons melebihi 0.05%, dan membezakan antara panggilan selari normal, limpahan panggilan dan pengulangan panggilan. Main balik setiap checkpoint RL menunjukkan kadar limpahan meningkat daripada 11.1% kepada 24.6% seiring latihan, dan penalti ambang 32 panggilan terlalu longgar; menurunkan ambang secara langsung memerlukan permulaan semula MixRL 20 langkah, dengan anggaran kos 2.31 juta dolar AS, dan kadar pengulangan dalam ujian dalaman hanya menurun daripada 13.45% kepada 3.83%.
Maklumat penting
- Xiaomi menyemak semula secara rasmi isu pengulangan panggilan alat selepas pelancaran MiMo-V2.
- 6,dengan kadar pengulangan peringkat respons melebihi 0.
- 05%,dan membezakan antara panggilan selari normal,limpahan panggilan dan pengulangan panggilan.
- Main balik setiap checkpoint RL menunjukkan kadar limpahan meningkat daripada 11.
- 1% kepada 24.
Sekilas pandang
- Diterbitkan pada
- Dikemas kini pada
- Sumber
- 小米 MiMo:官网发布与博客
- Kategori
- Kertas penyelidikan
- Skor AI
- 63
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。
Sumber dan hak cipta
Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.
Cara memetik
Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.
Orange News: Xiaomi MiMo-V2.6 mendiagnosis dan membaiki isu pengulangan panggilan alat, guna MOPD turunkan kos pembaikan kepada 4% berbanding penyelesaian MixRL. 27 September 2026. https://new.nat6.net/ms/news/cmuk25h00156vro9h173e1zjz/