Perplexity 公开 agent 后训练法:模仿轨迹+纠错,工具调用失败率降 21%
beffjezos · x · 2026-09-23
- Perplexity 分享其 Computer agent 的后训练研究方法: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),即使整体轨迹是成功的也做纠正。
- 技术上结合拒绝采样微调(RFT)与提示引导的自蒸馏(hint-guided self-distillation)。
- 线上 A/B 测试显示工具调用失败率降低约 21%。
- 超级智能拥护者 beffjezos 转发并评论:定制模型的后训练(post-training custom models)蕴含巨大红利,但讨论的人还不够多。
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
- Photoroom 用 SkyPilot 每周盘活约 1000 小时闲置推理 GPU — skypilot_org · 2026-11-12
- 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