Perplexity 用提示引导自蒸馏训练 agent,失败率降至 1.77%
perplexity_ai · x · 2026-09-23
Perplexity 官方公开其 agent 训练方法,解决 rejection sampling fine-tuning 只模仿成功会话、会强化侥幸恢复的错误并丢弃失败会话证据的问题。
- 方法:用 rejection sampling fine-tuning 模仿成功会话中的有效步骤,再用 hint-guided self-distillation 修正错误;GLM 5.2 对同一轮记录用相同权重打分两次——一次带纠错提示、一次不带,训练使无提示下的 next-token 预测对齐带提示的结果。
- 去后见之明偏差:标注管线把反馈追溯到具体决策,并检查每条纠错提示只使用犯错前已可得的信息。
- 数据:加提示后,同一模型避免原始失败的比例从 75.1% 提升到 93.7%;另一项线上测试中,工具调用失败率在两个训练版本间从 2.24% 降到 1.77%,且推理时无需提示。
- 训练先在合成环境做强化学习,再用真实会话补充设计场景之外的失败;采样管线排除含 PII 的会话及用户选择退出训练的数据。
所属事件:Perplexity 公布自蒸馏后训练法，工具调用失败率降 21.2%(6 条相关)→
「编程与Agent」频道最新
- Nano Banana Pro+Kling+免费口型工具,纯工作流做出整支AI音乐视频 — cocktailpeanut · 2026-11-12
- Cloudflare 演讲：用 Jev 等超快模型替换 agent 循环部分调用可大幅提速 — michellechen · 2026-11-12
- 有人整理 15 种 AI Agent 设计模式，分单体、多体、反馈三层 — MaryamMiradi · 2026-11-12
- Antigravity 推出浏览器使用能力:搜索写码到在线验证闭环 — rseroter · 2026-11-12
- Prettier 3.10 发布：新增 Flow/JS 语法与 Zig 高性能插件 — Vjeux · 2026-11-12
- 从零重写 CI:Graphide 跑速达 GitHub 10-20 倍 — ycombinator · 2026-11-12