標籤 後訓練

Perplexity 研究團隊公開 Computer 的後訓練方法：把使用者修正與工具錯誤整理成可驗證的提示，結合拒絕採樣微調與策略內自我蒸餾訓練模型。線上 A/B 測試中，兩個後訓練版本的工具呼叫失敗率從 2.24% 降到 1.77%，相對降幅 21.2%，但對原始模型的線上差異未達統計顯著，使用者不滿意度也沒有變化。