待验证50% 置信事实精确时间

小米MiMo v2.6工具调用重复问题的根因是规模化强化学习中的奖励盲区——重复惩罚只在每轮超过32次工具调用时才生效

1

来源数

50%

置信度

长期有效

时效性

2026/10/8

首次发现

来源

AI早报：DeepSeek V4.1 Pro疑进内测，多模型密集更新

涉及实体

MiMo v2.6model 小米company

相关事实

待验证75倍嵌入学习率是一种保持矩阵不绑定、通过放大嵌入层学习率补偿稀疏更新的可行工程手段，但过高学习率可能导致嵌入空间不稳定震荡68% 相似待验证实验表明对同一数据进行超过4个epoch的重复训练，性能提升趋于停滞，有时还会出现轻微性能退化67% 相似待验证MiMo V2.6 Pro对量化相当敏感，压缩越狠编码错误越多，体验下降66% 相似待验证自动生成的程序表现出的可重复得分模式主要暴露的是持续性弱点而非持续性优势66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/988755

API

curl https://kongchang.com/api/v1/knowledge/claims/988755

MCP

get_claim(id=988755)