小米MiMo-V2.6の修正：MOPDでコストをMixRLの4%に削減

小米がMiMo-V2.6のツール呼び出し重複問題を総括。RLの各チェックポイントで呼び出し過多率は11.1%から24.6%に上昇し、32回のしきい値による罰則が緩すぎたことが判明。しきい値を下げるにはMixRLを20ステップ再実行する必要があり、コストは約231万ドル、それでも重複率は13.45%から3.83%への低下にとどまった。MOPD方式はその4%のコストで同等の効果を得たという。