廣場
最新
熱門
新聞
我的主頁
發布
Perplexity公開搜索Agent後訓練方法，基於Qwen3.5的模型在準確率和成本上超過GPT-5.4
ME News
2026-06-26 06:30:33
關注
摘要生成中
ME News 消息，4 月 23 日（UTC+8），據 動察 Beating 監測，Perplexity 研究團隊發表技術文章，公開其網頁搜索 agent 的後訓練流程。該流程基於開源模型 Qwen3.5-122B-A10B 和 Qwen3.5-397B-A17B，採用兩階段方案：先用監督微調（SFT）建立指令遵循、語言一致性等部署必需行為，再用在線策略強化學習（RL）優化搜索準確率和工具使用效率。 RL 階段使用 GRPO 演算法，訓練數據由兩部分組成：一是自研合成的多跳可驗證問答數據集，從內部種子查詢出發，通過實體鏈構造需要 2 到 4 跳推理的問題，並由多個獨立求解器驗證答案唯一性；二是基於評分標準（rubric）的通用對話數據，將指令遵循、格式約束等部署要求轉化為可客觀檢查的原子條件，用於在 RL 階段防止 SFT 建立的行為退化。 獎勵設計的核心是門控聚合：只有基線正確（問答卷對或評分標準全部滿足）時，偏好得分才參與計算，防止高偏好信號掩蓋事實錯誤。效率懲罰採用組內錨定方式，以同組正確回答為基準，對超出的工具調用次數和生成長度施加平滑懲罰。 評測顯示後訓練後的 Qwen3.5-397B-SFT-RL 在多個搜索基準上表現最優。在 FRAMES 上，單次工具調用即達 57.3%，比 GPT-5.4 高 5.7 個百分點，比 Sonnet 4.6 高 4.7 個百分點。中等預算（4 次工具調用）下達 73.9%，每查詢成本 2.0 美分；同條件下 GPT-5.4 為 67.8% / 8.5 美分，Sonnet 4.6 為 62.4% / 15.3 美分。成本數據按各廠商公開 API 定價計算，未含緩存優化。 （來源：BlockBeats）
查看原文
此頁面可能包含第三方內容，僅供參考（非陳述或保證），不應被視為 Gate 認可其觀點表述，也不得被視為財務或專業建議。詳見
聲明
。
打賞
按讚
回覆
轉發
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
暫無回覆
熱門話題
查看更多
#
0成本拿2股SK海力士
154.34萬 熱度
#
美光市值超越Meta躋身全美前十
16.79萬 熱度
#
法國VS挪威
32.21萬 熱度
#
美國5月PCE通膨升至4.1%創三年新高
55萬 熱度
#
USD1鏈上質押享年化9.48%
98.11萬 熱度
已置頂
網站地圖
Perplexity公開搜索Agent後訓練方法，基於Qwen3.5的模型在準確率和成本上超過GPT-5.4