Perplexity用真实错误训练其计算机代理：提示引导自蒸馏

📋总体概括

Perplexity Research发布一项新的后训练研究，用于其Perplexity Computer计算机代理模型。该方法直接在真实用户会话数据上训练，包括失败会话，核心是把拒绝采样微调（RFT）与「提示引导自蒸馏」相结合，让模型从真实错误中学习而非仅依赖合成数据。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%，团队称这是统计显著的21.2%相对降幅。这项工作表明，真实用户流量与失败案例本身可以成为代理模型迭代的高价值训练信号。