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%。 🔗 阅读原文 via AIHOT · https://aihot.news/items/cmuk25h00156vro9h173e1zjz
信息源：AI HOT · 精选
- 原文链接：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%
- 分类：论文
- 作者：小米 MiMo：官网发布与博客
- 发布时间：2026/09/27 00:00
评论0