封鎖新聞訊息，4 月 23 日 — Perplexity 的研究團隊發布了一篇技術文章，詳述其用於 Web 搜尋代理的後訓練方法。該方法使用兩個開源的 Qwen3.5 模型 (Qwen3.5-122B-A10B 與 Qwen3.5-397B-A17B)，並採用兩階段流程：先進行監督式微調 (SFT) 以建立遵循指令與語言一致性，接著透過線上強化學習 (RL) 以最佳化搜尋準確性與工具使用效率。
RL 階段使用 GRPO 演算法，且有兩種資料來源：一個專有的多跳可驗證問答資料集，係由內部種子查詢構建而成，要求推理 2–4 個跳步，並透過多解算器驗證；以及基於規則量表的通用對話資料，將部署需求轉換為可客觀檢查的原子條件，以防止 SFT 行為退化。
獎勵設計採用閘控聚合——只有在達到基準正確性時（(question-answer match)）或所有規則量表準則均滿足時，偏好分數才會被計入，以避免高偏好訊號掩蓋事實錯誤。效率懲罰則使用同組錨定，對超出同組中正確答案基準的工具呼叫與生成長度套用平滑懲罰。
評估顯示 Qwen3.5-397B-SFT-RL 在各類搜尋基準上達到業界一流的表現。在 FRAMES 上，單次工具呼叫可達 57.3% 準確率，較 GPT-5.4 高出 5.7 個百分點，並較 Claude Sonnet 4.6 高出 4.7 個百分點。在中等預算 (four tool calls) 下，它以每次查詢 $0.02 達到 73.9% 準確率；相比之下，GPT-5.4 為 67.8%（每次查詢 $0.085），Sonnet 4.6 為 62.4%（每次查詢 $0.153）。成本數據基於各供應商的公開 API 定價，且不包含快取最佳化。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
AI 代理人 Manfred 成立公司，於 5 月底交易推出前取得加密錢包
AI 代理人 Manfred 已成立自己的公司，並取得一個加密貨幣錢包以及用於聘請人員、進行付款和開展業務的憑證。該代理人尚未排定在期末前開始進行加密貨幣交易
GateNews1小時前
MoonPay 推出 MoonAgents 卡，為 AI 代理提供以穩定幣為基礎的 Mastercard 借記卡
MoonPay 於週五宣布推出 MoonAgents Card，這是一款虛擬萬事達卡借記卡，能在付款當下將穩定幣轉換為法幣，供 AI 代理與使用者雙方使用。該卡由 Monavate（受監管的全球支付平台與萬事達卡主要成員）發行，並連結
GateNews1小時前
AI 代理 Manfred 設立公司，並在 5 月交易平台啟動前取得加密貨幣錢包
AI 代理程式 Manfred 已成立自己的公司，並取得一個加密貨幣錢包與商業憑證，儘管它直到 5 月底才會開始交易加密貨幣。目前該代理程式已具備雇用員工、進行付款以及開展業務的能力
GateNews7小時前
MoonPay 將於週五推出 MoonAgents 卡，供 AI 代理與使用者使用的虛擬萬事達卡
根據 The Block，MoonPay 於週五推出 MoonAgents Card，這是一張供 AI 代理與使用者使用的虛擬萬事達卡借記卡。該卡可在支付點將穩定幣兌換為法幣，並可在全球任何接受萬事達卡的線上商家使用。該卡透過 Monavate 發行，Monavate 為一家受監管的支付機構
GateNews10小時前
MoonPay 於週五在 Mastercard 網路推出 MoonAgents 卡
根據 The Block，MoonPay 於週五推出 MoonAgents Card——一款虛擬 Mastercard 借記卡，讓 AI 代理與使用者可直接從鏈上錢包支出穩定幣。該卡由 Monavate 發行；Monavate 是一家受監管的全球支付平台，也是 Mastercard 的主要會員，並且
GateNews13小時前
137 Ventures 在新資金中完成 $700M ，管理資產（AUM）達到 150 億美元
根據 ChainCatcher，早期投資 SpaceX 的 137 Ventures 近期完成了兩檔新基金的募資，總額超過 7 億美元，將其管理資產提高至超過 150 億美元。這筆新資本將用於投資 AI 代理、機器人以及太空推進
GateNews14小時前
