Perplexity 公开 Computer 模型提示引导自蒸馏训练法

9 月 23 日，Perplexity 官方发布其 Computer agent（模型）的后训练研究，核心方法是「提示引导自蒸馏」（hint-guided self-distillation），在线 A/B 测试显示工具调用失败率降低 21.2%，失败率降至 1.77%。训练数据管线排除了含个人身份信息（PII）的会话以及用户选择退出训练的会话，数据治理细节同步公开，值得关注。

已确认

• 官方披露的多阶段后训练流程为 SFT、RL、RFT，以及最后阶段的在策略自蒸馏（OPSD，on-policy self-distillation）。@inductionheads 的转发指出，动机是 RL 环境虽真实，但仍缺乏生产环境中真实用例的多样性与复杂度，存在 sim2real 差距，因此先用合成环境做强化学习，再用真实用户会话训练，以暴露设计场景之外的失败案例。
• 方法动机：@perplexityai 说明 rejection sampling fine-tuning（RFT）只模仿成功会话，会强化侥幸恢复的错误并丢弃失败会话中的证据。新方法结合 RFT 与提示引导，从真实用户会话中学习，模仿好的操作轨迹，并显式纠正可避免的错误（如错误的工具调用）——即使整体轨迹最终成功，也对其中的错误做纠正，让模型从自身错误中学习。
• 在线 A/B 测试结果：较晚训练的 checkpoint 工具调用失败率降低 21.2%，失败率降至 1.77%。
• 数据管线：明确排除包含 PII 的会话及用户选择退出训练的会话。

为什么重要

• 该方法给出了从生产环境真实会话中持续改进 agent 的可复用范式，弥补合成 RL 环境与真实用例之间的差距。
• 显式纠正成功轨迹中的隐藏错误，突破了「只学成功案例」这一 RFT 常见局限，对其他 agent 团队有直接参考价值。
• 同步公开的数据排除规则（PII、用户 opt-out）展示了 agent 训练中数据治理的一种实践。

2026-09-23 ~ 2026-09-23 · 5 条相关

• 【源头】Perplexity 用提示引导自蒸馏训练 Computer 模型，工具调用失败率降 21.2% — perplexity_ai · 2026-09-23
• 【源头】Perplexity 披露训练数据管线：排除含 PII 及用户拒绝训练的会话 — perplexity_ai · 2026-09-23
• 【源头】Perplexity 用提示引导自蒸馏训练 agent,失败率降至 1.77% — perplexity_ai · 2026-09-23
• Perplexity 公开 agent 后训练法:模仿轨迹+纠错,工具调用失败率降 21% — beffjezos · 2026-09-23
• Perplexity 用提示引导自蒸馏后训练，工具调用错误降 21% — inductionheads · 2026-09-23