arXiv cs.AI· Kounianhua Du, Jianxing Liu, Shuai Shao, Ke Li, Xing Sun, Weinan Zhang·· 8 小时前AI 评分30
MCPDisCo：面向 MCP 原生智能体的跷跷板缓解微调框架
MCPDisCo: Seesaw-Mitigated Tuning for MCP-Native Agents
AI 导读
MCPDisCo 是面向 MCP 原生智能体的生态级强化学习框架，基于 Thought-MDP 在 70 个 MCP 服务器、527 个工具的真实长程交互上训练。它针对推理与工具使用此消彼长的"跷跷板"失效模式，结合 token 掩码奖励归因与双向梯度手术进行缓解，以更少 CoT token 取得更高成功率，并在 MCP-Atlas 与 GAIA 上保持单调增益，模型权重与实现已开放。
来源：arXiv cs.AI · arxiv.org