arXiv cs.LG· Hieu Tran, Zonghai Yao, Sunjae Kwon, Hong Yu·· 12 天前AI 评分39
先测量再分配：面向强化学习中 MCP Agent 的校准 Rollout 预算
Measure First, Then Allocate: Calibrated Rollout Budgets for MCP Agents in Reinforcement Learning
AI 导读
研究人员提出了基于奖励分歧的 Discord 评估方法与 BRACE 预算分配框架，用于优化 MCP 环境下工具调用语言模型的强化学习训练。BRACE 通过结合历史任务证据、成功率不确定性及相关奖励模型，在前瞻性预测混合奖励组后再分配生成预算。在 3 种 Qwen3-VL 参数规模下，BRACE 以更少的新训练 rollout 超越基准表现，并在 BFCL 与 NESTFUL 上取得领先。
来源：arXiv cs.LG · arxiv.org