具身智能
Perplexity用真实错误数据训练其计算机Agent：提示引导自蒸馏方法
原标题: Perplexity用真实错误数据训练其计算机Agent：提示引导自蒸馏方法
📋总体概括
Perplexity Research发布计算机Agent的新后训练研究，利用Perplexity Computer真实用户会话（包括失败会话）训练模型，采用拒绝采样微调与提示引导自蒸馏相结合的方法。在线A/B测试显示，两个训练后检查点之间工具调用失败率从2.24%降至1.77%，团队称 statistically 显著降低21.2%。该方法核心在于用真实失败数据而非合成数据训练Agent，为具身/计算Agent的后训练提供了数据闭环新范式。
⚡关键信息
- ▸Perplexity Research发布针对Perplexity Computer的后训练研究
- ▸训练数据来自真实用户会话，包括失败会话，而非纯合成数据
- ▸方法组合了拒绝采样微调与提示引导自蒸馏
- ▸在线A/B测试中工具调用失败率从2.24%降至1.77%
- ▸团队报告相对降幅达21.2%，称具有统计显著性
🔥犀利点评
21.2%听着唬人，本质是从2.24%降到1.77%——绝对值改善不到半个点。但真正值钱的不是数字，而是方法论：敢拿真实失败会话当训练原料，说明Perplexity已经建起了线上数据闭环，这比实验室刷分诚实务实得多。工具调用失败率每降一点，都是真金白银的用户留存。合成数据练Agent的路子正在被真实数据流碾压。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →