跳到正文
arXiv · ML· Hieu Tran, Zonghai Yao, Sunjae Kwon, Hong Yu·· 29 天前AI 评分35

强化学习中MCP代理的校准滚出预算:先测量再分配

Measure First, Then Allocate: Calibrated Rollout Budgets for MCP Agents in Reinforcement Learning

AI 导读

提出Discord与BRACE方法,利用奖励分歧指导MCP环境中策略训练的滚出预算分配,在三个Qwen3-VL模型规模上超越基线。 BRACE结合历史任务证据、成功率不确定性与相关奖励模型,预测混合奖励组;在BFCL与NESTFUL基准上领先对比方法。

来源:arXiv · ML · arxiv.org