Perplexity 用真实失败会话训练 Computer 智能体：工具调用失败率从 2.24% 降到 1.77%
Perplexity 发布了一篇后训练研究，讲的是怎么让 Computer 智能体少犯错。做法是把真实用户会话（包括失败的）喂进模型，用拒绝采样微调配合提示引导自蒸馏，两条一起上。
效果是在线 A/B 测试里的：两个训练检查点之间，工具调用失败率从 2.24% 降到 1.77%，团队称这是 21.2% 的相对降幅，且有统计显著性。基座模型是 GLM 5 系列。
但要说清楚的是，Perplexity 没有放出后训练权重与训练代码，这个模型只作为 Perplexity Computer 里的一个模型选项存在。也就是说，方法可读、结果不可复现——目前能拿到的只是厂商自报的两个数字。
原文链接：Perplexity Research
核验记录
未直读官方原文：perplexity.ai/hub/blog 与 /hub/blog/* 直读 403、r.jina.ai 亦 403；Wayback 快照最新条目为 Aug 19《Brain: Agentic Memory as a Knowledge Wiki》，研究栏目列表页无本条。日期与全部数字取自 MarkTechPost 单篇页 JSON-LD datePublished=2026-09-25T14:30:26+00:00 与正文（正文写明 Perplexity Research published a new post-training study）。2.24%→1.77% 与 21.2% 相对降幅均为厂商自报，未经第三方复现。去重核查：库内「hint-guided」0 命中、「Perplexity Computer」0 命中、「1.77%」0 命中；「自蒸馏」1 命中为无关条目。
← 上一篇Exa 发 Agent Ultra：跨数千来源并联的智能体群，WANDR 上称比 GPT-6 Astra 高 213%下一篇 →Anthropic 与 Akamai 签 116 亿美元七年云算力协议：累计算力支出预计突破 5,000 亿美元