arXiv 机器学习· Hieu Tran, Zonghai Yao, Sunjae Kwon, Hong Yu·· 3 小时前AI 评分37
先测量再分配：面向 MCP 智能体强化学习的校准 Rollout 预算分配
Measure First, Then Allocate: Calibrated Rollout Budgets for MCP Agents in Reinforcement Learning
AI 导读
研究者提出基于奖励分歧的 Discord 测试与 BRACE 预算分配方法，用于在 MCP 环境中优化强化学习训练的 rollout 资源配置。BRACE 结合历史任务证据、成功率不确定性与相关奖励模型，在生成前预测混合奖励组。在三个 Qwen3-VL 模型规模上，BRACE 以更少的新增训练 rollout 超越基线峰值，且在无需额外训练下于 BFCL 和 NESTFUL 上取得领先。
来源：arXiv 机器学习 · arxiv.org