arXiv cs.AI· Xuanang Gao, Kepeng Lin, Xinyan Shi, Yong Deng, Shuheng Shen, Changhua Meng, Xiaofeng Wu, Jie Yang, Wei Liu·· 1 天前AI 评分34
EvoMCP：让 MCP 智能体与训练数据协同进化
EvoMCP: Co-evolving MCP agents and training data
AI 导读
EvoMCP 提出一种智能体与数据互相进化的框架，通过任务进化、轨迹进化和监督微调的闭环，让 MCP 智能体持续针对自身能力缺口生成训练数据。在 Toolathlon、MCPMark 和 MCP-Atlas 上，该方法相比初始学生模型分别取得 16.5%、10.2% 和 12.6% 的绝对提升。
正文 · AI 翻译
摘要：模型上下文协议（MCP）智能体的监督微调通常在静态数据分布上进行，这无法适应学生模型不断演进的能力，且新暴露的弱点得不到充分处理。为应对这些挑战，我们提出 \method，一个智能体—数据互演化框架，使 MCP 智能体通过任务演化、轨迹演化和监督微调的闭环实现提升。具体而言，\method 根据 rollout 反馈评估学生模型已具备的能力和能力缺口，以确定学习目标。任务演化随后通过调整兼容的已验证种子任务的指令和可观测环境状态，同时保持其验证器一致，将这些目标转化为可执行任务。为给这些任务提供可靠且高效的示范，轨迹演化利用可复用技能恢复失败的教师 rollout 并改进成功的 rollout。由此产生的任务—轨迹对用于微调学生模型，而被接受的任务则作为后续演化的种子。为闭合循环，我们重新评估更新后的学生模型，并利用其反馈指导下一轮数据演化。在 Toolathlon、MCPMark 和 MCP-Atlas 上的实验表明，相较于初始学生模型取得了一致提升，绝对增益分别为 16.5\%、10.2\% 和 12.6\%。项目页面：this https URL。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41479 [cs.AI] |
| （或 arXiv:2610.41479v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41479 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Kepeng Lin [查看邮箱]
[v1]
2026年10月30日星期五 09:35:29 UTC（946 KB）
来源：arXiv cs.AI · arxiv.org