Perplexityのポストトレーニング手法、ツール呼び出し失敗を21%削減
Perplexityは、実際のセッションから学習し、良好な軌跡を模倣し、誤りを修正することで、Computerエージェントを訓練するポストトレーニングに関する研究を発表した。この手法は、拒否サンプリングによるファインチューニングとヒント誘導型自己蒸留を組み合わせ、ツール呼び出しの失敗を21%削減する。
Perplexityは、実際のセッションから学習し、良好な軌跡を模倣し、誤りを修正することで、Computerエージェントを訓練するポストトレーニングに関する研究を発表した。この手法は、拒否サンプリングによるファインチューニングとヒント誘導型自己蒸留を組み合わせ、ツール呼び出しの失敗を21%削減する。