Perplexity 披露智能体自蒸馏后训练方法，有效纠正错误工具调用

Perplexity 于 2026 年 9 月 22 日公布其针对智能体模型的后训练研究，通过提示引导的自蒸馏方法改善工具调用准确率。

• 训练机制：采用提示引导自蒸馏（hint-guided self-distillation）对 Computer 模型进行后训练，促使模型从历史执行错误中自主提炼纠偏逻辑。
• 线上实测成效：在真实的线上 A/B 测试中，后期训练检查点（checkpoint）相比早期版本将工具调用失败率降低了 21.2%。
• 强化自主纠错：该方法有助于模型在多步长流程任务中减少因单一工具格式或参数错误而导致的执行中断。
• 影响/看点：若该蒸馏范式能推广至不同架构的模型，意味着智能体系统在不依赖人工标注修正的情况下可自主提升工具交互的可靠性。
• 资料依据：
• X：Perplexity (@perplexity_ai)（2026-09-22）：https://x.com/perplexity_ai/status/2102493613192298913

本内容由 AI 生成，仅供参考，请注意甄别