智能体
x.com ·
@AravSrinivas
Perplexity 分享 Computer agent 后训练方法：工具调用失败率降约 21%
Perplexity 分享其 Computer agent 的后训练研究：结合拒绝采样微调（RFT）与提示引导自蒸馏，让模型从真实用户会话中学习，模仿优质轨迹并显式纠正可避免的错误（包括整体轨迹成功时的错误工具调用）。据其线上 A/B 测试，较晚训练的 checkpoint 相对早期 checkpoint 将工具调用失败率降低约 21%。
AI推荐理由 Perplexity CEO 分享其 Computer agent 后训练方法研究：结合拒绝采样微调（RFT）与提示引导自蒸馏，让模型从真实用户会话中学习，模仿优质轨迹并显式纠正可避免的错误（如错误工具调用，即使整体轨迹成功）。文中称在线上 A/B 测试中工具调用失败率相对降低约 21%（另一条引用称 21.2%）。属于有具体方法与量化指标的研究分享，对 Agent 训练有参考价值；但数据来自公司自述的 A/B 测试，尚无独立复现或论文细节。
78
浏览 53,832
点赞 414
评论 27
转发 35
正文
We're sharing new research on our post‑training approach, which teaches the Perplexity Computer agent to learn from real user sessions by imitating good trajectories and explicitly correcting avoidable mistakes like bad tool calls (even when the overall trajectory was successful). The method combines rejection sampling fine‑tuning (RFT) with hint‑guided self‑distillation, and it cuts tool call failures by about 21% in live A/B tests