Perplexity 发布智能体后训练新研究：通过自蒸馏使工具调用失败率降低 21%

Perplexity 首席执行官 Aravind Srinivas 于 2026 年 9 月 22 日公布其 Computer 智能体后训练研究，通过结合拒绝采样微调与自蒸馏技术，使线上工具调用失败率降低约 21%。

• 核心优化机制：该方法通过模仿高质量专家轨迹并显式纠正可避免的错误操作，重点减少复杂交互中的无效与格式错误调用。
• 训练与蒸馏方法：研究结合了拒绝采样微调（RFT）与提示引导的自蒸馏，使模型学会在执行过程中主动规避工具使用偏差。
• 实测对比数据：线上 A/B 测试及模型对比显示，较晚阶段的训练检查点相较早期版本使工具调用失败率下降了 21.2%。
• 影响/看点：针对性纠错的后训练证明能有效抑制智能体执行偏航，若能跨模型架构迁移，可能为降低自动化工具调用的工程维护成本提供可行路径。
• 资料依据:
• X：Aravind Srinivas（2026-09-22）：https://x.com/AravSrinivas/status/2102497917185802737
• Perplexity（2026-09-22）：https://www.perplexity.ai/hub/blog/computer-agent-post-training

本内容由 AI 生成，仅供参考，请注意甄别