待验证60% 置信观点精确时间
MCP 解决的是如何描述工具的问题，无法解决模型权重层面因强化训练产生的训练偏好差异
2
来源数
60%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
模型越强工具越差？Claude新模型工具调用的隐藏陷阱
rss2026/7/4
相关事实
待验证工具调用是与写代码分开训练的独立技能，参数量低于某个阈值时模型难以稳定发出有效的工具调用。74% 相似待验证长周期编程任务在强化学习框架下训练的核心难题是奖励稀疏性，业界常见解决方案包括过程奖励模型和蒙特卡洛树搜索（MCTS）72% 相似待验证协议层的统一无法解决模型权重层面的训练偏好差异，即便采用同一套 schema 格式，模型对字段组合的内在偏好仍会因强化训练而分歧72% 相似待验证单纯堆砌RL任务数量并不能带来更好的训练效果，无解任务反而拖累整体训练质量72% 相似已验证单纯堆砌参数而训练数据不足会导致模型大而不强，参数跃升需配合同步扩大的训练语料与算力才能兑现能力增益71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/129583API
curl https://kongchang.com/api/v1/knowledge/claims/129583MCP
get_claim(id=129583)