推送新闻消息，4 月 23 日——Perplexity 的研究团队发布了一篇技术文章，详细介绍其用于网页搜索代理的后训练方法。该方法使用两个开源的 Qwen3.5 模型 (Qwen3.5-122B-A10B 和 Qwen3.5-397B-A17B)，并采用两阶段流水线：先进行监督微调 (SFT)，以建立指令遵循与语言一致性，然后通过在线强化学习 (RL) 来优化搜索准确性与工具使用效率。
RL 阶段采用 GRPO 算法，并使用两种数据来源：其自有的多跳可验证问答数据集——由内部种子查询构建，要求进行 2–4 跳的推理，并通过多求解器验证；以及基于评分标准的通用对话数据——将部署需求转化为客观可检查的原子条件，以防止 SFT 行为退化。
奖励设计采用门控聚合——只有在达到基线正确性时（(question-answer match 或所有评分标准条件均满足)），偏好分数才会生效，从而避免高偏好信号掩盖事实错误。效率惩罚采用组内锚定：对工具调用以及生成长度中超过同组正确答案基线的部分施加平滑惩罚。
评估显示，Qwen3.5-397B-SFT-RL 在各类搜索基准上实现同类最佳表现。在 FRAMES 上，单次工具调用的准确率为 57.3%，比 GPT-5.4 高 5.7 个百分点，比 Claude Sonnet 4.6 高 4.7 个百分点。在适度预算 (四次工具调用) 下，它以每次查询 $0.02 实现 73.9% 的准确率；相比之下，GPT-5.4 为 67.8%（每次查询 $0.085），Sonnet 4.6 为 62.4%（每次查询 $0.153）。成本数据基于各提供方的公开 API 定价，并不包含缓存优化。
Penafian: Informasi di halaman ini dapat berasal dari pihak ketiga dan tidak mewakili pandangan atau opini Gate. Konten yang ditampilkan hanya untuk tujuan referensi dan bukan merupakan nasihat keuangan, investasi, atau hukum. Gate tidak menjamin keakuratan maupun kelengkapan informasi dan tidak bertanggung jawab atas kerugian apa pun yang timbul akibat penggunaan informasi ini. Investasi aset virtual memiliki risiko tinggi dan rentan terhadap volatilitas harga yang signifikan. Anda dapat kehilangan seluruh modal yang diinvestasikan. Harap pahami sepenuhnya risiko yang terkait dan buat keputusan secara bijak berdasarkan kondisi keuangan serta toleransi risiko Anda sendiri. Untuk detail lebih lanjut, silakan merujuk ke
Penafian.
Artikel Terkait
AI Agent Manfred Membentuk Perusahaan, Menyiapkan Dompet Kripto untuk Berdagang pada Akhir Mei
Agen AI Manfred telah membentuk perusahaannya sendiri dan memperoleh dompet kripto beserta kredensial bisnis untuk merekrut staf dan melakukan pembayaran, menurut laporan yang tersedia. Agen tersebut belum dijadwalkan untuk mulai berdagang kripto hingga akhir
GateNews2jam yang lalu
MoonPay Meluncurkan Kartu MoonAgents di Jaringan Mastercard pada Jumat
Menurut The Block, MoonPay meluncurkan MoonAgents Card pada hari Jumat—kartu debit virtual Mastercard yang memungkinkan agen AI dan pengguna untuk membelanjakan stablecoin langsung dari dompet berbasis onchain. Kartu ini diterbitkan melalui Monavate, platform pembayaran global yang teregulasi dan anggota principal Mastercard, di
GateNews5jam yang lalu
137 Ventures Menutup $700M dalam Dana Baru, AUM Mencapai $15B
Menurut ChainCatcher, 137 Ventures, investor awal di SpaceX, baru-baru ini menyelesaikan penggalangan dana untuk dua dana baru senilai lebih dari 700 juta dolar AS, sehingga aset kelolanya kini melebihi 15 miliar dolar AS. Modal baru ini akan mendukung investasi pada agen AI, robotika, dan pendorong ruang angkasa
GateNews5jam yang lalu
Reddit Melonjak 16% di Tengah Prospek Kuartal II yang Kuat; Apple Menghadapi Kekurangan Mac karena Permintaan AI Melebihi Pasokan
Saham Reddit naik 16% sebelum pasar dibuka pada Jumat setelah perusahaan mengeluarkan panduan pendapatan untuk kuartal mendatang yang lebih tinggi dari perkiraan. Pengunjung aktif harian tumbuh 17% menjadi 126,8 juta, sementara pendapatan rata-rata per pengguna secara global melonjak 44%, didorong oleh AI-powered
GateNews6jam yang lalu
Visa Meluncurkan Program Agentic Ready di Hong Kong pada 1 Mei, Memungkinkan Pembayaran oleh Agen AI
Menurut media Hong Kong Ming Pao, Visa meluncurkan program Visa Agentic Ready di Hong Kong pada 1 Mei, memungkinkan pembayaran menggunakan agen AI. Program ini memanfaatkan tokenisasi, verifikasi identitas, manajemen risiko, dan mekanisme otorisasi. Peserta awal mencakup
GateNews8jam yang lalu
OpenClaw Merilis v2026.4.29 pada 29 April, Melakukan Upgrade Memori ke Personalized Wiki dengan Pelacakan Relasi
Menurut Beating, asisten AI open-source OpenClaw (GitHub 367K bintang) merilis v2026.4.29 pada 29 April, menandai pembaruan keduanya dalam dua hari. Sistem memorinya berkembang dari pengingat berbasis pencarian sederhana menjadi wiki yang dipersonalisasi, memungkinkan agen secara otomatis membangun profil karakter dan melacak r
GateNews18jam yang lalu
