小米 MiMo-V2.6 诊断并修复工具调用重复问题,用 MOPD 将修复成本降至 MixRL 方案的 4%
原文标题:Diagnosing and Mitigating Tool-Call Repetition in MiMo-V2.6
AI 摘要
小米官方复盘 MiMo-V2.6 发布后的工具调用重复问题,响应级重复率超 0.05%,并区分了正常并行调用、调用泛滥与调用重复。回放 RL 各 checkpoint 显示泛滥率随训练从 11.1% 升至 24.6%,32 次调用阈值惩罚过于宽松;直接调低阈值需重启 20 步 MixRL,估计成本 231 万美元,且内部测试重复率仅从 13.45% 降至 3.83%。
关键信息
- 小米官方复盘 MiMo-V2.
- 6 发布后的工具调用重复问题,响应级重复率超 0.
- 05%,并区分了正常并行调用、调用泛滥与调用重复。
- 回放 RL 各 checkpoint 显示泛滥率随训练从 11.
- 6%,32 次调用阈值惩罚过于宽松
速览
- 发布时间
- 更新时间
- 分类
- 论文与研究
- AI 评分
- 63
推荐理由
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。
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:小米 MiMo-V2.6 诊断并修复工具调用重复问题,用 MOPD 将修复成本降至 MixRL 方案的 4%。2026年9月27日。https://new.nat6.net/news/cmuk25h00156vro9h173e1zjz/