arXiv cs.AI· Kounianhua Du, Jianxing Liu, Shuai Shao, Ke Li, Xing Sun, Weinan Zhang·· 3 天前AI 评分34
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 是一个面向 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相互拖累的"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。在 MCP-Atlas 与 GAIA 上保持单调增益，模型权重与实现已开放。
正文 · AI 翻译
摘要：模型上下文协议为智能体网络提供了共享的交互基础，使异构服务能够通过标准化接口暴露能力。学习使用这一生态系统涉及一个能力层级：工具格式技能、服务器级迁移和跨服务器组合。我们提出 MCPDisCo，一个面向 MCP 原生智能体的生态系统规模强化学习框架。该框架使用思维马尔可夫决策过程（Thought-MDP），在路由、执行和终止之外显式表示内部推理，并在跨越六个领域、70 个 MCP 服务器和 527 个工具的真实服务器长时程交互上进行训练。我们研究了推理—工具跷跷板，这是一种联合学习失败模式，其中一个目标的改善可能伴随另一个目标的恶化。为缓解潜在干扰，MCPDisCo 将 token 掩码奖励归因与双向梯度手术相结合：前者为推理和动作片段分离直接监督，后者从共享参数中的两个目标梯度中移除冲突成分。MCPDisCo 以更少的思维链 token 实现了更高的成功率。在分布外的 MCP-Atlas 和 GAIA 基准上，MCPDisCo 保持单调增益，证实所学行为可泛化到训练服务器分布之外以及更广泛的智能体任务。模型权重和实现已公开。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.14956 [cs.AI] |
| （或 arXiv:2610.14956v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14956 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kounianhua Du [查看邮箱]
[v1]
2026年10月10日星期六 14:29:23 UTC（519 KB）
来源：arXiv cs.AI · arxiv.org