跳到正文
arXiv · AI· Kounianhua Du, Jianxing Liu, Shuai Shao, Ke Li, Xing Sun, Weinan Zhang·· 2026-10-14AI 评分38

MCPDisCo 实现基于 MCP 的代理强化学习与推理工具权衡优化

MCPDisCo: Seesaw-Mitigated Tuning for MCP-Native Agents

AI 导读

提出 MCPDisCo 框架,用于训练 MCP 原生代理,在 70 个服务器和 527 个工具上进行真实长程交互强化学习。 该框架通过结合 token 掩码奖励归因与双向梯度手术,有效缓解了推理与工具使用之间的“跷跷板”效应。 在分布外 MCP-Atlas 和 GAIA 基准上保持单调增益,证明模型在训练分布外具有良好泛化能力。

来源:arXiv · AI · arxiv.org