小米 MiMo-V2.6 修复复盘：MOPD 将成本降至 MixRL 的 4%

小米复盘 MiMo-V2.6 的工具调用重复问题：RL 各 checkpoint 显示调用泛滥率从 11.1% 升至 24.6%，32 次调用阈值惩罚偏宽松。若直接调低阈值需重启 20 步 MixRL，成本约 231 万美元，且内部测试重复率仅从 13.45% 降到 3.83%——而 MOPD 方案据称能以其 4% 的成本达到类似效果。