Perplexity 利用提示引导自蒸馏，在真实错误上训练其计算机代理

Perplexity Research 发布了一项新的后训练研究。它在 Perplexity Computer 内部，利用真实用户会话（包括失败的会话）来训练模型。该方法将拒绝采样微调与提示引导自蒸馏相结合。在实时 A/B 测试中，两个训练检查点之间，工具调用失败率从 2.24% 降至 1.77%。Perplexity 团队报告称，这在统计上显著降低了 21.2%……该文章最初发布于 MarkTechPost。