標籤 AI Agent

Perplexity Computer 向錯誤學習,工具失敗率相對降 21.2%

TechMoon 精選圖|AI 代理從錯誤中學習,工具呼叫失敗率下降的訓練方法

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。

Grok Bot 客服案例:175% 工單成長的數字口徑與可照抄的流程

TechMoon 精選圖|扁平風格科技插畫:一個友善的機器人客服坐在多螢幕工作站前,螢幕上排滿排隊的支援工單卡片,一張卡片被打勾解決,深藍與橘色調

SpaceXAI 於 2026 年 9 月 22 日公開 Grok Bot 客服案例,稱合併 Cursor 後工單量增加 175% 仍未新增人力,單筆解決成本最佳化後可低至 0.20 至 0.30 美元,99% 退款申請無需人工介入。本文回到案例原文、客服指南與使用條款,核實每個數字的官方措辭、未揭露的口徑,以及企業可以直接沿用的漸進導入流程。

Cua 開源填表模型 CUA-S1-FORMS,把表單決策搬進本機跑

TechMoon 精選圖|Cua 開源 70 萬參數填表專用模型 CUA-S1-FORMS,單次前向傳播對整份表單平行打分,2.8MB 權重本機執行

Cua 在 9 月 19 日凌晨宣布開源 CUA-S1-FORMS:70 萬參數、2.8MB 權重的填表專用模型,單次前向傳播就對整份表單的每個欄位平行打分,模型卡寫著對決託管 Jev API 拿下 99.7% 對 83.6%。本文從原始碼與模型卡出發,拆解它贏在哪裡、安全閘怎麼寫在程式碼裡,以及照官方說明動手前會撞到的三堵牆。

Share to...