New research: We post-trained a Computer model to learn from its own errors using hint-guided self-distillation.
In a live A/B test, a later trained checkpoint reduced tool-call failures by 21.2% relative to an earlier checkpoint.
AI 导读
新研究：我们通过提示引导的自蒸馏，对一个 Computer 模型进行后训练，让它从自身错误中学习。 在一次线上 A/B 测试中，较晚训练的 checkpoint 相比早期 checkpoint 将工具调用失败率降低了 21.2%。
Perplexity@perplexity_ai32
AI 编辑部评分，满分 100新研究：我们通过提示引导的自蒸馏，对一个 Computer 模型进行后训练，让它从自身错误中学习。 在一次线上 A/B 测试中，较晚训练的 checkpoint 相比早期 checkpoint 将工具调用失败率降低了 21.2%。
来源：Perplexity· x.com