MCPDisCo：MCP原生智能体强化学习框架发布

Kounianhua Du 等作者发布论文，提出 MCPDisCo——一个面向 MCP 原生智能体的生态级强化学习框架，模型权重与实现已公开。 该框架针对推理能力与工具使用能力联合学习时出现的“跷跷板”失效模式，结合 token 掩码奖励归因与双向梯度手术来缓解干扰，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，报告在 MCP-Atlas 和 GAIA 上保持单调增益且使用更少 CoT token。 上述效果目前来自论文自述，尚待独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。